論文の概要: Laparoscopic Image Desmoking Using the U-Net with New Loss Function and Integrated Differentiable Wiener Filter

• arxiv url: http://arxiv.org/abs/2505.21634v1
• Date: Tue, 27 May 2025 18:07:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.216682
• Title: Laparoscopic Image Desmoking Using the U-Net with New Loss Function and Integrated Differentiable Wiener Filter
• Title（参考訳）: 新しい損失関数と統合微分可能なウィナーフィルタを持つU-Netを用いた腹腔鏡下画像除去
• Authors: Chengyu Yang, Chengjun Liu,
• Abstract要約: 腹腔鏡下手術は、手術器具によって引き起こされた外科的煙の存在により、視力の低下に悩まされることが多い。 手術煙を除去するために,新しい損失関数と差別化可能なウィナーフィルタ (ULW) を用いた新しいU-Net深層学習法を提案する。 実験の結果,提案手法は視覚的明瞭度と距離に基づく評価の両面で優れていることがわかった。
• 参考スコア（独自算出の注目度）: 5.747172898125006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Laparoscopic surgeries often suffer from reduced visual clarity due to the presence of surgical smoke originated by surgical instruments, which poses significant challenges for both surgeons and vision based computer-assisted technologies. In order to remove the surgical smoke, a novel U-Net deep learning with new loss function and integrated differentiable Wiener filter (ULW) method is presented. Specifically, the new loss function integrates the pixel, structural, and perceptual properties. Thus, the new loss function, which combines the structural similarity index measure loss, the perceptual loss, as well as the mean squared error loss, is able to enhance the quality and realism of the reconstructed images. Furthermore, the learnable Wiener filter is capable of effectively modelling the degradation process caused by the surgical smoke. The effectiveness of the proposed ULW method is evaluated using the publicly available paired laparoscopic smoke and smoke-free image dataset, which provides reliable benchmarking and quantitative comparisons. Experimental results show that the proposed ULW method excels in both visual clarity and metric-based evaluation. As a result, the proposed ULW method offers a promising solution for real-time enhancement of laparoscopic imagery. The code is available at https://github.com/chengyuyang-njit/ImageDesmoke.
• Abstract（参考訳）: 腹腔鏡下手術は、手術器具から発せられる外科的煙の存在により、視力の低下に悩まされることが多い。 手術煙を除去するために,新しい損失関数と差別化可能なウィナーフィルタ (ULW) を用いた新しいU-Net深層学習法を提案する。 具体的には、新しい損失関数はピクセル、構造、知覚特性を統合する。 これにより、構造的類似度指標の損失、知覚的損失、および平均二乗誤差損失を組み合わせた新たな損失関数は、再構成画像の品質と現実性を高めることができる。 さらに、この学習可能なウィーナーフィルタは、手術煙による劣化過程を効果的にモデル化することができる。 提案手法の有効性は, 信頼性の高いベンチマークと定量的な比較を行うために, 市販のラパロスコープスモークと無煙画像データセットを用いて評価した。 実験の結果,提案手法は視覚的明瞭度と距離に基づく評価の両面で優れていることがわかった。 その結果,ULW法は腹腔鏡画像のリアルタイム化に有効であることがわかった。 コードはhttps://github.com/chengyuyang-njit/ImageDesmokeで公開されている。

関連論文リスト

• Benchmarking Laparoscopic Surgical Image Restoration and Beyond [54.28852320829451]
  腹腔鏡下手術では、明瞭で高品質な視野が外科医の正確な判断に不可欠である。 持続的な視覚劣化、例えば、エネルギー装置によって発生する煙、熱勾配から光るレンズ、およびレンズ汚染は患者の安全に危険をもたらす。 本稿では,SurgCleanと呼ばれる腹腔鏡下環境を対象とするオープンソースの手術画像復元データセットについて紹介する。
  論文  参考訳（メタデータ） (2025-05-25T14:17:56Z)
• Monocular Depth Guided Occlusion-Aware Disparity Refinement via Semi-supervised Learning in Laparoscopic Images [7.765272785122932]
  立体腹腔鏡画像の偏差推定には,咬合とラベル付き手術データの不足が重要な課題である。 これらの課題に対処するために,DGORNet(Depth Guided Occlusion-Aware Disparity Refinement Network)を提案する。 位置埋め込み(PE)モジュールは、空間的コンテキストを明示的に提供し、機能をローカライズし洗練するネットワークの能力を高めるために導入された。 SCAREDデータセットの実験では、DGORNetは End-Point Error (EPE) と Root Mean Squared Error (RMSE) で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-05-13T02:29:56Z)
• GANetic Loss for Generative Adversarial Networks with a Focus on Medical Applications [0.0]
  GAN(Generative Adversarial Network)は、あるデータセットの基盤となる統計構造を推定するために使用される機械学習モデルである。 生成モデルの性能と安定性を向上させるために、様々な損失関数が提案されている。 本研究では,GANの損失関数設計を遺伝的プログラミング(GP)手法を用いた最適化問題として提示する。
  論文  参考訳（メタデータ） (2024-06-07T15:43:29Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
  網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。 従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。 提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-05-05T15:22:20Z)
• Adversarial Distortion Learning for Medical Image Denoising [43.53912137735094]
  本稿では,2次元および3次元(2D/3D)のバイオメディカル画像データから,新たな逆歪み学習法を提案する。 提案されたADLは2つの自動エンコーダで構成されている。 デノイザとディスクリミネータはどちらも、Efficient-Unetと呼ばれる自動エンコーダをベースとしている。
  論文  参考訳（メタデータ） (2022-04-29T13:47:39Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Desmoking laparoscopy surgery images using an image-to-image translation guided by an embedded dark channel [3.1706553206969916]
  腹腔鏡下手術では、$CO$注入による煙と解離ツールにより、画像の視認性が著しく低下する可能性がある。 本稿では,煙効果を除去するための新しい計算手法を提案する。 提案手法は,暗黒チャネルを組込みガイドマスクとして用いる画像から画像への条件付き生成対向ネットワークに基づいている。
  論文  参考訳（メタデータ） (2020-04-19T19:51:24Z)

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。