論文の概要: Super-Resolution of 3D Micro-CT Images Using Generative Adversarial Networks: Enhancing Resolution and Segmentation Accuracy
- arxiv url: http://arxiv.org/abs/2501.06939v1
- Date: Sun, 12 Jan 2025 21:33:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:26:37.550900
- Title: Super-Resolution of 3D Micro-CT Images Using Generative Adversarial Networks: Enhancing Resolution and Segmentation Accuracy
- Title(参考訳): 生成逆数ネットワークを用いた3次元マイクロCT画像の超解像:分解能とセグメンテーション精度の向上
- Authors: Evgeny Ugolkov, Xupeng He, Hyung Kwak, Hussein Hoteit,
- Abstract要約: 機械学習(ML)生成モデルを用いた岩石の3次元マイクロCT画像の分割品質向上手法を開発した。
提案モデルでは, 分解能8倍 (8x) を向上し, 異なる岩石鉱物および相のマイクロCT測定において, 重なり合うX線減衰によるセグメンテーション不正確性に対処する。
我々は,高精細3次元画像の解像度0.4375マイクロm/voxelと精密セグメンテーションを達成し,ミネラルと細孔空間を構成する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We develop a procedure for substantially improving the quality of segmented 3D micro-Computed Tomography (micro-CT) images of rocks with a Machine Learning (ML) Generative Model. The proposed model enhances the resolution eightfold (8x) and addresses segmentation inaccuracies due to the overlapping X-ray attenuation in micro-CT measurement for different rock minerals and phases. The proposed generative model is a 3D Deep Convolutional Wasserstein Generative Adversarial Network with Gradient Penalty (3D DC WGAN-GP). The algorithm is trained on segmented 3D low-resolution micro-CT images and segmented unpaired complementary 2D high-resolution Laser Scanning Microscope (LSM) images. The algorithm was demonstrated on multiple samples of Berea sandstones. We achieved high-quality super-resolved 3D images with a resolution of 0.4375 micro-m/voxel and accurate segmentation for constituting minerals and pore space. The described procedure can significantly expand the modern capabilities of digital rock physics.
- Abstract(参考訳): 機械学習(ML)生成モデルを用いた岩石の3次元マイクロCT画像の品質向上手法を開発した。
提案モデルでは, 分解能8倍 (8x) を向上し, 異なる岩石鉱物および相のマイクロCT測定において, 重なり合うX線減衰によるセグメンテーション不正確性に対処する。
提案した生成モデルは、3D DC WGAN-GPによる3D Deep Convolutional Wasserstein Generative Adversarial Networkである。
このアルゴリズムは3次元低分解能マイクロCT画像と2次元高分解能レーザー走査顕微鏡(LSM)画像のセグメント化によって訓練される。
このアルゴリズムはベレア砂岩の複数のサンプルで実証された。
我々は,高精細3次元画像の解像度0.4375マイクロm/voxelと精密セグメンテーションを達成し,ミネラルと細孔空間を構成する。
記述された手順は、デジタルロック物理学の近代的能力を大きく拡張することができる。
関連論文リスト
- Resolution-Robust 3D MRI Reconstruction with 2D Diffusion Priors: Diverse-Resolution Training Outperforms Interpolation [18.917672392645006]
2次元スライスで訓練された2次元拡散モデルが3次元MRI再構成に活用され始めている。
既存の方法では、ボクセルサイズが一定であり、ボクセルサイズが変化すると性能が低下する。
本稿では,2次元拡散先行画像を用いた高分解能3次元MRI再構成手法の提案と検討を行う。
論文 参考訳(メタデータ) (2024-12-24T18:25:50Z) - Exploration of Multi-Scale Image Fusion Systems in Intelligent Medical Image Analysis [3.881664394416534]
MRI画像上で脳腫瘍の自動分離を行う必要がある。
このプロジェクトは、U-Netに基づいたMRIアルゴリズムを構築することを目的としている。
論文 参考訳(メタデータ) (2024-05-23T04:33:12Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳(メタデータ) (2024-04-15T02:41:55Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。
ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文 参考訳(メタデータ) (2023-04-19T15:53:09Z) - X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from
X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。
これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文 参考訳(メタデータ) (2023-03-02T00:52:41Z) - Machine Learning Guided 3D Image Recognition for Carbonate Pore and
Mineral Volumes Determination [1.565870461096057]
我々は3D uCTとMRI画像からポロシティを決定する2つの方法を提案する。
IROGAとMLDGRFは、トレーニングセットで96.2%と97.1%の精度でポロシティの結果を生み出している。
論文 参考訳(メタデータ) (2021-11-08T16:34:08Z) - RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid
Detection in Three-Dimensional Fluorescence Microscopy Images [16.377426160171982]
本稿では,3次元顕微鏡ボリュームの遠心波検出のためのスケーラブルなアプローチを提案する。
本稿では、RCNN-SliceNetを用いて、体積のスライス毎に異なる方向から2次元核セントロイドを検出する。
提案手法は, 3次元顕微鏡で核中心体を正確に計測し, 検出することができる。
論文 参考訳(メタデータ) (2021-06-29T23:38:29Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Convolutional 3D to 2D Patch Conversion for Pixel-wise Glioma
Segmentation in MRI Scans [22.60715394470069]
畳み込み3Dから2次元MRパッチ変換モデルにより,新しい画素ワイドセグメンテーションフレームワークを考案する。
本アーキテクチャでは, 局所スライス特性とグローバルスライス特性を併用して, 中央ボクセルのクラスラベルを推定する。
論文 参考訳(メタデータ) (2020-10-20T20:42:52Z) - Hierarchical Amortized Training for Memory-efficient High Resolution 3D
GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。
トレーニングと推論の異なる構成を使用することで、この目標を達成する。
3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文 参考訳(メタデータ) (2020-08-05T02:33:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。