論文の概要: Memory-Efficient Super-Resolution of 3D Micro-CT Images Using Octree-Based GANs: Enhancing Resolution and Segmentation Accuracy

• arxiv url: http://arxiv.org/abs/2505.18664v1
• Date: Sat, 24 May 2025 11:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.578357
• Title: Memory-Efficient Super-Resolution of 3D Micro-CT Images Using Octree-Based GANs: Enhancing Resolution and Segmentation Accuracy
• Title（参考訳）: オクタリーベースGANを用いた3次元マイクロCT画像の高分解能超解像: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: 本稿では, 生成モデルを用いた3次元マイクロCT画像の品質向上のためのメモリ効率のアルゴリズムを提案する。 提案モデルでは, 分解能が16倍に向上し, 異なる鉱物のマイクロ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の不正確さを補正する。 このフレームワークは細孔のキャラクタリゼーションと鉱物の分化を著しく改善し、現代の地質画像における主要な計算限界の1つに対する堅牢な解を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a memory-efficient algorithm for significantly enhancing the quality of segmented 3D micro-Computed Tomography (micro-CT) images of rocks using a generative model. The proposed model achieves a 16x increase in resolution and corrects inaccuracies in segmentation caused by the overlapping X-ray attenuation in micro-CT measurements across different minerals. The generative model employed is a 3D Octree-based convolutional Wasserstein generative adversarial network with gradient penalty. To address the challenge of high memory consumption inherent in standard 3D convolutional layers, we implemented an Octree structure within the 3D progressive growing generator model. This enabled the use of memory-efficient 3D Octree-based convolutional layers. The approach is pivotal in overcoming the long-standing memory bottleneck in volumetric deep learning, making it possible to reach 16x super-resolution in 3D, a scale that is challenging to attain due to cubic memory scaling. For training, we utilized segmented 3D low-resolution micro-CT images along with unpaired segmented complementary 2D high-resolution laser scanning microscope images. Post-training, resolution improved from 7 to 0.44 micro-m/voxel with accurate segmentation of constituent minerals. Validated on Berea sandstone, this framework demonstrates substantial improvements in pore characterization and mineral differentiation, offering a robust solution to one of the primary computational limitations in modern geoscientific imaging.
• Abstract（参考訳）: 生成モデルを用いて3次元マイクロCT画像の高精細化を実現するためのメモリ効率アルゴリズムを提案する。 提案モデルでは, 分解能が16倍に向上し, 異なる鉱物のマイクロ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の不正確さを補正する。 この生成モデルは、3D Octreeをベースとした畳み込み型ワッサースタイン生成対向ネットワークであり、勾配のペナルティを持つ。 標準の3次元畳み込み層に固有の高メモリ消費の課題に対処するため,我々は3次元プログレッシブ・グロース・ジェネレータ・モデル内にOctree構造を実装した。 これによりメモリ効率のよい3D Octreeベースの畳み込みレイヤが利用可能になった。 このアプローチは、ボリューム深層学習における長年のメモリボトルネックを克服する上で重要なものであり、3Dで16倍の超解像を実現することができる。 トレーニングには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顕微鏡画像を用いた。 トレーニング後、分解能は7から0.44マイクロm/voxelに改善され、成分鉱物の正確な分別が得られた。 ベレア砂岩で検証されたこのフレームワークは、細孔のキャラクタリゼーションと鉱物の分化を著しく改善し、現代の地質学的イメージングにおける主要な計算限界の1つに対する堅牢な解を提供する。

関連論文リスト

• Self-Supervised Z-Slice Augmentation for 3D Bio-Imaging via Knowledge Distillation [65.46249968484794]
  ZAugNetは、生物画像のz分解能を高めるための高速で正確で自己教師型のディープラーニング手法である。 連続スライス間の非線形距離を実行することで、ZAugNetは各イテレーションで分解能を効果的に倍にする。 ZAugNet+は任意の距離で連続的な予測を可能にする拡張版である。
  論文  参考訳（メタデータ） (2025-03-05T17:50:35Z)
• Super-Resolution of 3D Micro-CT Images Using Generative Adversarial Networks: Enhancing Resolution and Segmentation Accuracy [0.0]
  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。
  論文  参考訳（メタデータ） (2025-01-12T21:33:06Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• NeRF-GAN Distillation for Efficient 3D-Aware Generation with Convolutions [97.27105725738016]
  GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。 提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
  論文  参考訳（メタデータ） (2023-03-22T18:59:48Z)
• Low dosage 3D volume fluorescence microscopy imaging using compressive sensing [0.0]
  本稿では, 圧縮センシングによる3Dボリュームの完全再構成を, 励起量の半分未満のSNRで行う方法を提案する。 ゼブラフィッシュ胚脊髄のRFP標識ニューロンの3次元体積を, 共焦点顕微鏡を用いて0.1umの軸方向サンプリングにより計測し, 本手法の実証を行った。 この研究で開発されたCSベースの手法は、2光子や光シート顕微鏡などの他の深部イメージングに容易に適用でき、サンプル光毒性の低減は重要な課題である。
  論文  参考訳（メタデータ） (2022-01-03T18:44:50Z)
• Deep learning of multi-resolution X-Ray micro-CT images for multi-scale modelling [0.0]
  本研究では3次元拡張深部超解像(EDSR)畳み込みニューラルネットワークを開発し,大規模空間スケールで高分解能データを生成する。 我々は,テキスト解析,セグメンテーション動作,多相流シミュレーション(PNM)を用いてネットワークを検証した。 EDSR生成モデルは、不均一性の存在下での実験挙動を予測するための基礎LRモデルよりも精度が高い。
  論文  参考訳（メタデータ） (2021-11-01T21:49:22Z)
• 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。