論文の概要: Super-Resolution Optical Coherence Tomography Using Diffusion Model-Based Plug-and-Play Priors

• arxiv url: http://arxiv.org/abs/2505.14916v1
• Date: Tue, 20 May 2025 21:09:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.757033
• Title: Super-Resolution Optical Coherence Tomography Using Diffusion Model-Based Plug-and-Play Priors
• Title（参考訳）: 拡散モデルに基づくプラグアンドプレイプリミティブを用いた超解像光コヒーレンストモグラフィ
• Authors: Yaning Wang, Jinglun Yu, Wenhan Guo, Yu Sun, Jin U. Kang,
• Abstract要約: 角膜計測から高画質画像の再構成を行うために,プラグアンドプレイ拡散モデル(DM-DM)に基づくOCT超解像フレームワークを提案する。 提案手法は逆問題として定式化され, シャースチェーンモンテカルロサンプリングを併用して効率的な再構成を行う。
• 参考スコア（独自算出の注目度）: 6.457037057474951
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an OCT super-resolution framework based on a plug-and-play diffusion model (PnP-DM) to reconstruct high-quality images from sparse measurements (OCT B-mode corneal images). Our method formulates reconstruction as an inverse problem, combining a diffusion prior with Markov chain Monte Carlo sampling for efficient posterior inference. We collect high-speed under-sampled B-mode corneal images and apply a deep learning-based up-sampling pipeline to build realistic training pairs. Evaluations on in vivo and ex vivo fish-eye corneal models show that PnP-DM outperforms conventional 2D-UNet baselines, producing sharper structures and better noise suppression. This approach advances high-fidelity OCT imaging in high-speed acquisition for clinical applications.
• Abstract（参考訳）: 本稿では,PnP-DM(プラグイン・アンド・プレイ拡散モデル)に基づくOCT超解像フレームワークを提案し,スパルス計測(OCT Bモード角膜画像)から高品質な画像を再構成する。 提案手法は, マルコフ連鎖モンテカルロサンプリングに先行した拡散と, 効率的な後部推論を組み合わせ, 逆問題として再構成を定式化する。 我々は、高速なBモード角膜画像を収集し、ディープラーニングに基づくアップサンプリングパイプラインを適用して、現実的なトレーニングペアを構築する。 生体内および生体外における魚眼角膜モデルの評価では、PnP-DMは従来の2D-UNetベースラインよりも優れており、より鋭い構造とより優れたノイズ抑制をもたらす。 このアプローチは, 臨床応用のための高速取得における高忠実度CT画像の進歩である。

関連論文リスト

• Higher fidelity perceptual image and video compression with a latent conditioned residual denoising diffusion model [55.2480439325792]
  本稿では,認知品質に最適化されたハイブリッド圧縮方式を提案し,CDCモデルのアプローチをデコーダネットワークで拡張する。 CDCと比較した場合,LPIPSとFIDの知覚スコアを比較検討しながら,最大2dBPSNRの忠実度向上を実現した。
  論文  参考訳（メタデータ） (2025-05-19T14:13:14Z)
• Self-Consistent Nested Diffusion Bridge for Accelerated MRI Reconstruction [22.589087990596887]
  画像画像を用いたMRI画像再構成の課題に焦点をあてる。 拡散モデルの最近の進歩、特に拡散確率モデルのデノベーションは、画像先行をモデル化する上で強力な能力を示している。 我々は,MRI再構成の高速化をモデルとした自己持続性ネスト拡散橋(SC-NDB)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T09:35:34Z)
• Arbitrary-steps Image Super-resolution via Diffusion Inversion [68.78628844966019]
  本研究では,拡散インバージョンに基づく新しい画像超解像(SR)手法を提案する。 本研究では,拡散モデルの中間状態を構築するための部分雑音予測戦略を設計する。 トレーニングが完了すると、このノイズ予測器を使用して、拡散軌道に沿ってサンプリングプロセスを部分的に初期化し、望ましい高分解能結果を生成する。
  論文  参考訳（メタデータ） (2024-12-12T07:24:13Z)
• Energy-Based Prior Latent Space Diffusion model for Reconstruction of Lumbar Vertebrae from Thick Slice MRI [9.44498543364625]
  腰椎問題はユビキタスであり、治療計画とガイド付き介入のための標的画像の研究を動機付けている。 薄いスライスMRI」は、高平面解像度で高速な撮像を優先するが、可変コントラストと低平面解像度で行う。 本稿では,高画質の画像生成を行う拡散モデルを活用するために,遅延空間拡散エネルギーを用いた手法を提案する。
  論文  参考訳（メタデータ） (2024-11-30T15:34:46Z)
• Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations [4.672315172406826]
  光音響顕微鏡(AR-PAM)は皮下血管造影に有用である。 従来のデコンボリューション法では、PSF(Point Spreadvolution)を使用して解像度を改善する。 Inlicit Neural Representation (INR) に基づくアプローチを提案する。 本手法は,空間座標から初期音圧への連続的なマッピングを学習し,離散像の限界を克服する。
  論文  参考訳（メタデータ） (2024-10-15T00:44:57Z)
• CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction across All Sampling Rates [16.985836345715963]
  Sparse view X-ray Computed tomography は放射線線量減少を緩和する現代的手法として登場した。 深層学習を用いた最近の研究は, Sparse-View Computed Tomography (SVCT) のアーティファクトの除去に有望な進展をもたらした。 本研究では,任意のサンプリングレートで高性能SVCT再構成を実現するための適応的再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-09-03T03:06:15Z)
• Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
  高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。 本研究では,協調拡散回復可能性 (CDRL) を提案する。
  論文  参考訳（メタデータ） (2023-09-10T22:05:24Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)

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。