論文の概要: DiSC-Med: Diffusion-based Semantic Communications for Robust Medical Image Transmission

• arxiv url: http://arxiv.org/abs/2508.00172v1
• Date: Thu, 31 Jul 2025 21:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.674746
• Title: DiSC-Med: Diffusion-based Semantic Communications for Robust Medical Image Transmission
• Title（参考訳）: DiSC-Med:ロバストな医用画像伝送のための拡散型セマンティック通信
• Authors: Fupei Guo, Hao Zheng, Xiang Zhang, Li Chen, Yue Wang, Songyang Zhang,
• Abstract要約: 医用画像伝送のための新しい拡散型通信フレームワークであるMedを提案する。 医療用圧縮ブロックとデノナイジングブロックは、それぞれ帯域効率とロバスト性のために開発されている。 提案したセマンティック・メドは、ノイズチャネルに対して超高帯域効率で優れた再構成性能を実現することができる。
• 参考スコア（独自算出の注目度）: 34.588033043077495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid development of artificial intelligence has driven smart health with next-generation wireless communication technologies, stimulating exciting applications in remote diagnosis and intervention. To enable a timely and effective response for remote healthcare, efficient transmission of medical data through noisy channels with limited bandwidth emerges as a critical challenge. In this work, we propose a novel diffusion-based semantic communication framework, namely DiSC-Med, for the medical image transmission, where medical-enhanced compression and denoising blocks are developed for bandwidth efficiency and robustness, respectively. Unlike conventional pixel-wise communication framework, our proposed DiSC-Med is able to capture the key semantic information and achieve superior reconstruction performance with ultra-high bandwidth efficiency against noisy channels. Extensive experiments on real-world medical datasets validate the effectiveness of our framework, demonstrating its potential for robust and efficient telehealth applications.
• Abstract（参考訳）: 人工知能の急速な発展は、次世代無線通信技術によるスマートヘルスを加速させ、遠隔診断や介入におけるエキサイティングな応用を刺激している。 遠隔医療におけるタイムリーかつ効果的な対応を可能とし、帯域幅が限られたノイズチャネルを介して医療データの効率的な伝送を重要な課題とする。 本研究では,医療用画像伝送のための拡散型セマンティック・コミュニケーション・フレームワークであるDiSC-Medを提案する。 従来の画素単位の通信フレームワークとは異なり,提案したDiSC-Medは,キーセマンティック情報を捕捉し,ノイズチャネルに対して超高帯域効率で復元性能を向上することができる。 実世界の医療データセットに関する大規模な実験は、我々のフレームワークの有効性を検証し、堅牢で効率的な遠隔医療応用の可能性を示した。

関連論文リスト

• Semantic Learning for Molecular Communication in Internet of Bio-Nano Things [0.0]
  本稿では,タスク指向分子通信を最適化するエンドツーエンドのセマンティックラーニングフレームワークを提案する。 提案フレームワークはディープエンコーダ・デコーダアーキテクチャを用いて,セマンティックな特徴を効率的に抽出,定量化し,デコードする。 実験により,提案するセマンティック・フレームワークは従来のJPEG圧縮と比較して診断精度を少なくとも25%向上することが示された。
  論文  参考訳（メタデータ） (2025-02-12T14:09:05Z)
• Enhanced Secure Transmission of Medical Images through OFDM using Hyperchaotic Systems [0.4389057752902813]
  本研究は、OFDM, 6D hyperchaotic system, Fibonacci Q-matrixを併用した安全な医用画像伝送システムを提案する。 この結果から,高品質な医用画像のセキュア伝送におけるOFDMの有効性が示唆された。
  論文  参考訳（メタデータ） (2024-10-31T18:34:37Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High Spectrum Efficiency [46.92279990929111]
  本研究では,拡散モデルに基づく生成AIを用いた超効率的な通信設計を提案する。 拡散モデルの訓練のための新しい低次元ノイズ空間を提案し,通信オーバーヘッドを大幅に低減する。 実験結果から,提案したノイズ空間と拡散に基づく生成モデルにより,伝送画像信号の超高スペクトル効率と精度の回復が得られた。
  論文  参考訳（メタデータ） (2023-11-13T17:52:44Z)
• Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data [8.312810360920107]
  DASビームフォーミングとその制限を回避しつつ、RFデータを超高分解能ネットワークに供給することを提案する。 RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULMの分解能性能を最適化できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-07T15:47:38Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation [54.839600943189915]
  モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。 豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。 このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
  論文  参考訳（メタデータ） (2022-12-14T21:39:15Z)
• 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)
• Interpretable Deep Learning for the Remote Characterisation of Ambulation in Multiple Sclerosis using Smartphones [3.5547766520356547]
  スマートフォンの慣性センサデータに適用した深層畳み込みニューラルネットワーク (dcnn) は, 健常者とms群との区別が良好であった。 同様の大規模オープンソースデータセットからの転送学習(tl)モデルを提案した。 ブラックボックス」深層ネットワークの透明性の欠如は、臨床応用における深層学習の広く受け入れられる最大の障害の1つである。
  論文  参考訳（メタデータ） (2021-03-16T16:15:49Z)

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。