Fugu-MT 論文翻訳(概要): High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework

論文の概要: High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework

arxiv url: http://arxiv.org/abs/2505.21530v1
Date: Fri, 23 May 2025 15:27:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-29 17:35:50.128881
Title: High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework
Title（参考訳）: 視覚的自己回帰フレームワークによる高忠実度機能超音波再構成
Authors: Xuhang Chen, Zhuo Li, Yanyan Shen, Mufti Mahmud, Hieu Pham, Chi-Man Pun, Shuqiang Wang,
Abstract要約: 機能的神経側頭葉イメージングはマッピングに例外的な解像度を提供する。しかし、その実践的応用は重大な課題によって妨げられている。データ不足、倫理的考慮、信号劣化などが含まれる。
参考スコア（独自算出の注目度）: 58.07923338080814
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Functional ultrasound (fUS) imaging provides exceptional spatiotemporal resolution for neurovascular mapping, yet its practical application is significantly hampered by critical challenges. Foremost among these are data scarcity, arising from ethical considerations and signal degradation through the cranium, which collectively limit dataset diversity and compromise the fairness of downstream machine learning models.
Abstract（参考訳）: 機能的超音波(fUS)イメージングは、神経血管マッピングに例外的な時空間分解能を提供するが、その実用性は重大な課題によって著しく阻害されている。中でも重要なのは、倫理的考慮とクラニアムによる信号劣化によるデータ不足であり、データセットの多様性を総括して制限し、下流の機械学習モデルの公正性を損なう。

関連論文リスト

Structure-Accurate Medical Image Translation via Dynamic Frequency Balance and Knowledge Guidance [60.33892654669606]
拡散モデルは,必要な医用画像を合成するための強力な戦略である。既存のアプローチはまだ、高周波情報の過度な適合による解剖学的構造歪みの問題に悩まされている。本稿では,動的周波数バランスと知識指導に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2025-04-13T05:48:13Z)
Bridging Synthetic-to-Real Gaps: Frequency-Aware Perturbation and Selection for Single-shot Multi-Parametric Mapping Reconstruction [29.118404814391432]
医用画像再構成のための周波数認識摂動・選択法(FPS)を提案する。摂動は不確実性の中でドメイン不変の特徴学習を活性化し、選択は摂動の中で最適な解を洗練させる。健常者5名,虚血性脳梗塞患者94名,髄膜腫患者46名を対象に,FPSの優位性と臨床応用性を実証した。
論文参考訳（メタデータ） (2025-03-05T13:10:11Z)
Synomaly Noise and Multi-Stage Diffusion: A Novel Approach for Unsupervised Anomaly Detection in Ultrasound Imaging [32.99597899937902]
拡散モデルに基づく新しい教師なし異常検出フレームワークを提案する。提案手法は, 合成ノイズ関数と多段拡散過程を組み込む。提案手法は頸動脈US,脳MRI,肝CTを用いて検討した。
論文参考訳（メタデータ） (2024-11-06T15:43:51Z)
PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
論文参考訳（メタデータ） (2024-08-07T09:52:30Z)
Ultrasound Imaging based on the Variance of a Diffusion Restoration Model [7.360352432782388]
本稿では, 線形直列モデルと学習に基づく先行モデルを組み合わせたハイブリッド再構成手法を提案する。我々は,高品質な画像再構成を実現するための分散イメージング手法の有効性を実証し,合成,in-vitro,in-vivoデータの実験を行った。
論文参考訳（メタデータ） (2024-03-22T16:10:38Z)
Diffusion Reconstruction of Ultrasound Images with Informative Uncertainty [5.375425938215277]
超音波画像の品質を高めるには、コントラスト、解像度、スペックル保存といった同時的な要因のバランスを取る必要がある。拡散モデルの進歩を生かしたハイブリッドアプローチを提案する。シミュレーション,in-vitro,in-vivoデータの総合的な実験を行い,本手法の有効性を実証した。
論文参考訳（メタデータ） (2023-10-31T16:51:40Z)
UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
論文参考訳（メタデータ） (2023-10-25T00:20:37Z)
Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
論文参考訳（メタデータ） (2023-03-21T17:16:01Z)
Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文参考訳（メタデータ） (2022-04-09T13:04:36Z)

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。