論文の概要: Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging

• arxiv url: http://arxiv.org/abs/2507.05451v1
• Date: Mon, 07 Jul 2025 20:08:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.332906
• Title: Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging
• Title（参考訳）: 超音波微小血管イメージングにおけるDenoisingのための自己教師型深層学習
• Authors: Lijie Huang, Jingyi Yin, Jingke Zhang, U-Wai Lok, Ryan M. DeRuiter, Jieyang Jin, Kate M. Knoll, Kendra E. Petersen, James D. Krier, Xiang-yang Zhu, Gina K. Hesley, Kathryn A. Robinson, Andrew J. Bentall, Thomas D. Atwell, Andrew D. Rule, Lilach O. Lerman, Shigao Chen, Chengwu Huang,
• Abstract要約: 超音波微小血管イメージング(UMI)に特化して設計された自己教師型認知フレームワークであるHalf-Angle-to-Half-Angle(HA2HA)を提案する。 Ha2HAは、ビームフォーミングラジオ周波数(RF)血流データの相補的な角の部分集合からトレーニングペアを構築し、ノイズが変化する間に血管信号が一貫性を保つ。 コントラスト・ツー・ノイズ比(CNR)とSNRの両方で15dBを超える改善が観察され,画質が著しく向上した。
• 参考スコア（独自算出の注目度）: 4.7652964168888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound microvascular imaging (UMI) is often hindered by low signal-to-noise ratio (SNR), especially in contrast-free or deep tissue scenarios, which impairs subsequent vascular quantification and reliable disease diagnosis. To address this challenge, we propose Half-Angle-to-Half-Angle (HA2HA), a self-supervised denoising framework specifically designed for UMI. HA2HA constructs training pairs from complementary angular subsets of beamformed radio-frequency (RF) blood flow data, across which vascular signals remain consistent while noise varies. HA2HA was trained using in-vivo contrast-free pig kidney data and validated across diverse datasets, including contrast-free and contrast-enhanced data from pig kidneys, as well as human liver and kidney. An improvement exceeding 15 dB in both contrast-to-noise ratio (CNR) and SNR was observed, indicating a substantial enhancement in image quality. In addition to power Doppler imaging, denoising directly in the RF domain is also beneficial for other downstream processing such as color Doppler imaging (CDI). CDI results of human liver derived from the HA2HA-denoised signals exhibited improved microvascular flow visualization, with a suppressed noisy background. HA2HA offers a label-free, generalizable, and clinically applicable solution for robust vascular imaging in both contrast-free and contrast-enhanced UMI.
• Abstract（参考訳）: 超音波微小血管イメージング (UMI) は低信号-雑音比 (SNR) で障害を受けることが多く、特にコントラストフリーまたは深部組織のシナリオでは、その後の血管の定量化と診断の信頼性を損なう。 この課題に対処するために、UMI用に特別に設計された自己教師型デノナイズフレームワークであるHalf-Angle-to-Half-Angle (HA2HA)を提案する。 HA2HAは、ビームフォーミングラジオ周波数(RF)血流データの相補的な角の部分集合からトレーニングペアを構築する。 HA2HAは、in-vivoのコントラストのないブタ腎臓のデータを用いて訓練され、豚の腎臓のコントラストのないコントラスト強化データや、ヒトの肝臓と腎臓のコントラスト強化データなど、さまざまなデータセットで検証された。 コントラスト・ツー・ノイズ比(CNR)とSNRの両方で15dBを超える改善が観察され,画質が著しく向上した。 パワードプライメージングに加えて、RF領域内で直接ノイズを発生させることは、カラードプライメージング(CDI)のような他の下流処理にも有用である。 HA2HA-denoized signal由来のヒト肝のCDI結果から, 微小血管の可視化が改善し, ノイズ背景が抑制された。 HA2HAは、コントラストフリーおよびコントラスト強化UMIの両方において、堅牢な血管造影のためのラベルフリー、一般化可能、臨床応用のソリューションを提供する。

関連論文リスト

• Score-based Self-supervised MRI Denoising [1.6385815610837167]
  教師付き学習に基づく復号化手法は優れた性能を達成しているが、高い信号対雑音比 (SNR) ラベルを必要とする。 自己教師付き学習はラベル不足の問題に対処することを約束するが、既存の自己教師型認知法は空間的特徴を過度に表現する傾向がある。 C2S(Corruption2Self)は,MRIのための新しいスコアベースの自己教師型フレームワークである。
  論文  参考訳（メタデータ） (2025-05-08T20:27:13Z)
• Robust multi-coil MRI reconstruction via self-supervised denoising [4.6017417632210655]
  ガウス雑音により劣化したデータに対する深層学習(DL)に基づく再構成手法を訓練するための前処理ステップとして,自己指導型デノナイジングを取り入れた効果について検討した。 自己監督型難聴は様々なシナリオにおいてMRI再建の質と効率を高めることが観察された。
  論文  参考訳（メタデータ） (2024-11-19T23:17:09Z)
• Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
  低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。 1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。 サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
  論文  参考訳（メタデータ） (2024-10-31T04:34:28Z)
• 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)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• 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)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• Deep Ultrasound Denoising Using Diffusion Probabilistic Models [5.828784149537374]
  従来のデノナイジング法は、しばしばスペックルを除去するが、これは放射線科医や定量的な超音波検査にも有用である。 本稿では,近年のDenoising Diffusion Probabilistic Models (DDPM) に基づく手法を提案する。 スペックルテクスチャを保ちながらノイズを除去し、画像品質を反復的に向上させる。
  論文  参考訳（メタデータ） (2023-06-12T21:53:32Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)

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。