論文の概要: EdgeSRIE: A hybrid deep learning framework for real-time speckle reduction and image enhancement on portable ultrasound systems
- arxiv url: http://arxiv.org/abs/2507.03937v1
- Date: Sat, 05 Jul 2025 07:52:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.946834
- Title: EdgeSRIE: A hybrid deep learning framework for real-time speckle reduction and image enhancement on portable ultrasound systems
- Title（参考訳）: EdgeSRIE: 携帯型超音波システムにおけるリアルタイムスペックル低減と画像強調のためのハイブリッドディープラーニングフレームワーク
- Authors: Hyunwoo Cho, Jongsoo Lee, Jinbum Kang, Yangmo Yoo,
- Abstract要約: EdgeSRIEは、ポータブル超音波画像におけるリアルタイムスペックル低減と画像強調のための軽量なハイブリッドDLフレームワークである。
ハードウェア実装において、トレーニングされたネットワークは8ビット整数精度に量子化され、低リソースのシステム・オン・チップにデプロイされる。
これらの結果は,資源制限環境下でのリアルタイム・高画質超音波イメージングにおけるEdgeSRIEの実現可能性を示した。
- 参考スコア（独自算出の注目度）: 1.982069457511238
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Speckle patterns in ultrasound images often obscure anatomical details, leading to diagnostic uncertainty. Recently, various deep learning (DL)-based techniques have been introduced to effectively suppress speckle; however, their high computational costs pose challenges for low-resource devices, such as portable ultrasound systems. To address this issue, EdgeSRIE, which is a lightweight hybrid DL framework for real-time speckle reduction and image enhancement in portable ultrasound imaging, is introduced. The proposed framework consists of two main branches: an unsupervised despeckling branch, which is trained by minimizing a loss function between speckled images, and a deblurring branch, which restores blurred images to sharp images. For hardware implementation, the trained network is quantized to 8-bit integer precision and deployed on a low-resource system-on-chip (SoC) with limited power consumption. In the performance evaluation with phantom and in vivo analyses, EdgeSRIE achieved the highest contrast-to-noise ratio (CNR) and average gradient magnitude (AGM) compared with the other baselines (different 2-rule-based methods and other 4-DL-based methods). Furthermore, EdgeSRIE enabled real-time inference at over 60 frames per second while satisfying computational requirements (< 20K parameters) on actual portable ultrasound hardware. These results demonstrated the feasibility of EdgeSRIE for real-time, high-quality ultrasound imaging in resource-limited environments.
- Abstract（参考訳）: 超音波画像のスペックルパターンは、しばしば解剖学的詳細を曖昧にし、診断の不確実性を引き起こす。
近年、スペックルを効果的に抑制するために様々なディープラーニング(DL)技術が導入されたが、その高い計算コストは、ポータブル超音波システムのような低リソースデバイスに課題をもたらす。
この問題に対処するため,携帯型超音波画像におけるリアルタイムスペックル低減と画像強調のための軽量なハイブリッドDLフレームワークであるEdgeSRIEを紹介した。
提案するフレームワークは、2つのメインブランチで構成されている。これは、スペックル画像間の損失関数を最小化して訓練される教師なし非特定ブランチと、ぼやけた画像をシャープな画像に復元するデブロアブランチである。
ハードウェア実装において、トレーニングされたネットワークは8ビット整数精度に量子化され、消費電力が制限された低リソースのシステムオンチップ(SoC)にデプロイされる。
ファントムおよび生体内分析による性能評価では、EdgeSRIEは、他のベースライン(異なる2ルール法および他の4DL法)と比較して、CNRと平均勾配度(AGM)が最も高い結果を得た。
さらに、EdgeSRIEは、実際のポータブル超音波ハードウェアの計算要求(20Kパラメータ)を満たしながら、毎秒60フレーム以上のリアルタイム推論を可能にした。
これらの結果は,資源制限環境下でのリアルタイム高画質超音波イメージングにおけるEdgeSRIEの実現可能性を示した。
関連論文リスト
- Hipandas: Hyperspectral Image Joint Denoising and Super-Resolution by Image Fusion with the Panchromatic Image [51.333064033152304]
最近打ち上げられた衛星は、HSIとパンクロマティック(PAN)画像の同時取得が可能になった。
Hipandasは、ノイズの多い低分解能HSIと高分解能PAN画像からHRHS画像を再構成する新しい学習パラダイムである。
論文 参考訳（メタデータ） (2024-12-05T14:39:29Z) - Efficient Medicinal Image Transmission and Resolution Enhancement via GAN [0.0]
本稿では,ネットワーク伝送の最適化により画像の品質を向上する効率的な手法を提案する。
Real-ESRGANによるX線画像の低解像度ファイルへの前処理は、サーバの負荷と送信帯域幅の削減に役立つ。
低解像度画像はReal-ESRGANを用いて受信端でアップスケールされる。
論文 参考訳（メタデータ） (2024-11-19T19:39:42Z) - Ultrasound Image Enhancement using CycleGAN and Perceptual Loss [4.428854369140015]
本研究は超音波画像,特に携帯型ハンドヘルドデバイスで捉えた画像の高機能化を目的とした高度なフレームワークを導入する。
我々は,5臓器系における超音波画像強調のために,CycleGANモデルを用いた。
論文 参考訳（メタデータ） (2023-12-18T23:21:00Z) - Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。
また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。
実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
論文 参考訳（メタデータ） (2023-09-29T14:19:51Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳（メタデータ） (2021-09-23T15:15:21Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。
強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。
本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
論文 参考訳（メタデータ） (2020-08-28T17:15:37Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。