論文の概要: Progressive Transfer Learning for Multi-Pass Fundus Image Restoration

• arxiv url: http://arxiv.org/abs/2504.10025v1
• Date: Mon, 14 Apr 2025 09:28:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-22 19:32:02.232551
• Title: Progressive Transfer Learning for Multi-Pass Fundus Image Restoration
• Title（参考訳）: マルチパスファウンダス画像復元のためのプログレッシブトランスファー学習
• Authors: Uyen Phan, Ozer Can Devecioglu, Serkan Kiranyaz, Moncef Gabbouj,
• Abstract要約: 劣化した眼底画像の品質を高めるため, マルチパス復元のためのプログレッシブトランスファー学習を提案する。 糖尿病網膜症検出のための大規模基礎画像データセットであるDeepDRiDについて実験を行った。
• 参考スコア（独自算出の注目度）: 15.613528945524791
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic retinopathy is a leading cause of vision impairment, making its early diagnosis through fundus imaging critical for effective treatment planning. However, the presence of poor quality fundus images caused by factors such as inadequate illumination, noise, blurring and other motion artifacts yields a significant challenge for accurate DR screening. In this study, we propose progressive transfer learning for multi pass restoration to iteratively enhance the quality of degraded fundus images, ensuring more reliable DR screening. Unlike previous methods that often focus on a single pass restoration, multi pass restoration via PTL can achieve a superior blind restoration performance that can even improve most of the good quality fundus images in the dataset. Initially, a Cycle GAN model is trained to restore low quality images, followed by PTL induced restoration passes over the latest restored outputs to improve overall quality in each pass. The proposed method can learn blind restoration without requiring any paired data while surpassing its limitations by leveraging progressive learning and fine tuning strategies to minimize distortions and preserve critical retinal features. To evaluate PTL's effectiveness on multi pass restoration, we conducted experiments on DeepDRiD, a large scale fundus imaging dataset specifically curated for diabetic retinopathy detection. Our result demonstrates state of the art performance, showcasing PTL's potential as a superior approach to iterative image quality restoration.
• Abstract（参考訳）: 糖尿病網膜症は視覚障害の主要な原因であり、眼底画像による早期診断を効果的治療計画に欠かせないものにしている。 しかし, 照明, ノイズ, ぼやけ, その他の運動アーチファクトなどの要因が原因で, 画質の悪い地底画像の存在は, 正確なDR検診において重要な課題となる。 本研究では,マルチパス復元のためのプログレッシブ・トランスファー・ラーニングを提案し,劣化した眼底画像の品質を反復的に向上させ,DRスクリーニングをより信頼性の高いものにする。 シングルパス復元にしばしばフォーカスする従来の方法とは異なり、PTLによるマルチパス復元は優れたブラインド復元性能を達成でき、データセットの良質なファンドイメージのほとんどを改善できる。 当初、低画質画像の復元のためにCycle GANモデルが訓練され、続いてPTL誘導再生パスが最新の復元出力を越え、各パスの全体的な品質を改善する。 提案手法は,歪みを最小限に抑え,重要な網膜機能を維持するために,進行学習と微調整戦略を活用することで,ペアデータを必要とすることなくブラインド復元を学習することができる。 糖尿病網膜症検出のための大規模眼底画像データセットであるDeepDRiDについて検討した。 以上の結果から,PTLが画像品質の回復に有効であることを示す。

関連論文リスト

• AI-Driven Diabetic Retinopathy Diagnosis Enhancement through Image Processing and Salp Swarm Algorithm-Optimized Ensemble Network [5.001689778344014]
  糖尿病網膜症は糖尿病患者の視覚障害の主要な原因であり、早期発見は視力喪失を防ぐ重要な役割を担っている。 本稿では, 画像前処理, バックボーン事前学習モデルの選択, 特徴強調, 最適化の4段階からなるDR診断のための効果的なアンサンブル法を提案する。 提案されたモデルは、マルチクラスKaggle APTOS 2019データセットで評価され、88.52%の精度が得られた。
  論文  参考訳（メタデータ） (2025-03-18T12:35:56Z)
• Decouple to Reconstruct: High Quality UHD Restoration via Active Feature Disentanglement and Reversible Fusion [77.08942160610478]
  超高精細画像復元(UHD)は、高解像度のため、しばしば計算ボトルネックや情報損失に直面している。 本稿では,より難解な劣化情報を潜時空間に符号化しながら,容易に復元可能な背景情報を破棄する制御付き微分遠絡型VAEを提案する。 提案手法は,UHD画像復元の精度を向上し,UHD画像復元の6つの課題を1Mパラメータのみで実現し,VAEモデルにおける情報損失問題を効果的に軽減する。
  論文  参考訳（メタデータ） (2025-03-17T02:55:18Z)
• Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
  再生ステップ校正拡散(Resorative Step-Calibrated Diffusion、RSCD)は、拡散に基づく画像復元法である。 RSCDは、画像品質と知覚評価の両方において、他の広く使われている未使用画像復元方法よりも優れている。 RSCDは、自動脳腫瘍診断や深部組織イメージングなど、下流の臨床画像タスクのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2024-03-20T15:38:53Z)
• Boosting Image Restoration via Priors from Pre-trained Models [54.83907596825985]
  我々は、OSFによるターゲット復元ネットワークの復元結果を改善するために、Pre-Train-Guided Refinement Module (PTG-RM)と呼ばれる軽量モジュールを学習する。 PTG-RMは、低照度強化、デラリニング、デブロアリング、デノナイジングなど、様々なタスクにおける様々なモデルの復元性能を効果的に向上させる。
  論文  参考訳（メタデータ） (2024-03-11T15:11:57Z)
• Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced Feature Extraction Processing [0.0]
  本研究の目的は, 糖尿病網膜症の診断を改善するために, 時間的DR識別のための深層学習モデルを開発することである。 提案モデルでは,早期に網膜画像から様々な病変を検出する。
  論文  参考訳（メタデータ） (2023-05-08T14:17:33Z)
• OTRE: Where Optimal Transport Guided Unpaired Image-to-Image Translation Meets Regularization by Enhancing [4.951748109810726]
  正確な診断と自動解析のために、最適な網膜画像品質が義務付けられている。 そこで本研究では,低品質の網膜CFPを高画質のCFPにマッピングするための画像対画像変換手法を提案する。 統合されたフレームワークOTREを3つの公開網膜画像データセット上で検証した。
  論文  参考訳（メタデータ） (2023-02-06T18:39:40Z)
• ShadowDiffusion: When Degradation Prior Meets Diffusion Model for Shadow Removal [74.86415440438051]
  画像と劣化先行情報を統合した統合拡散フレームワークを提案する。 SRDデータセット上でのPSNRは31.69dBから34.73dBへと大幅に向上した。
  論文  参考訳（メタデータ） (2022-12-09T07:48:30Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)
• Learned Pre-Processing for Automatic Diabetic Retinopathy Detection on Eye Fundus Images [1.8534127451723268]
  眼底画像の事前処理段階として,影の除去と色補正のステップを実装した。 この研究に触発されて、特定のタスクの事前処理機能を学ぶことができるシャドウ除去層を提案する。 糖尿病網膜症検出タスクにおいて,前処理関数の学習によりネットワークの性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-27T20:06:13Z)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)

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。