論文の概要: Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing

• arxiv url: http://arxiv.org/abs/2508.17326v1
• Date: Sun, 24 Aug 2025 12:20:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.468874
• Title: Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing
• Title（参考訳）: 心臓超音波脱ハージングにおけるセマンティックディフュージョン後部サンプリング法
• Authors: Tristan S. W. Stevens, Oisín Nolan, Ruud J. G. van Sloun,
• Abstract要約: 私たちはMICCAI Dehazing Echo2025(DehazingEcho2025)のための意味誘導型拡散型デハージングアルゴリズムを提案する。 提案手法は,ハジー入力のセマンティックセグメンテーションから得られた画素ワイドノイズモデルを,クリーン超音波データに基づいて事前学習した生成物によって誘導される拡散後サンプリングフレームワークに統合する。
• 参考スコア（独自算出の注目度）: 20.624154141399043
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Echocardiography plays a central role in cardiac imaging, offering dynamic views of the heart that are essential for diagnosis and monitoring. However, image quality can be significantly degraded by haze arising from multipath reverberations, particularly in difficult-to-image patients. In this work, we propose a semantic-guided, diffusion-based dehazing algorithm developed for the MICCAI Dehazing Echocardiography Challenge (DehazingEcho2025). Our method integrates a pixel-wise noise model, derived from semantic segmentation of hazy inputs into a diffusion posterior sampling framework guided by a generative prior trained on clean ultrasound data. Quantitative evaluation on the challenge dataset demonstrates strong performance across contrast and fidelity metrics. Code for the submitted algorithm is available at https://github.com/tristan-deep/semantic-diffusion-echo-dehazing.
• Abstract（参考訳）: 心エコー法は心臓画像において中心的な役割を担い、診断とモニタリングに不可欠な心臓のダイナミックな視界を提供する。 しかし, 画像の画質は, マルチパス残響によるヘイズにより著しく劣化しうる。 本研究では,MICCAI Dehazing Echo2025(DehazingEcho2025)のための意味誘導型拡散型デハージングアルゴリズムを提案する。 提案手法は,ハジー入力のセマンティックセグメンテーションから得られた画素ワイドノイズモデルを,クリーン超音波データに基づいて事前学習した生成物によって誘導される拡散後サンプリングフレームワークに統合する。 課題データセットの定量的評価は、コントラストと忠実度をまたいだ強力なパフォーマンスを示す。 提出されたアルゴリズムのコードはhttps://github.com/tristan-deep/semantic-diffusion-echo-dehazingで公開されている。

関連論文リスト

• Echo-DND: A dual noise diffusion model for robust and precise left ventricle segmentation in echocardiography [0.6749750044497732]
  本稿では,心エコー区分けのための新しい二重雑音拡散モデルであるEcho-DNDを紹介する。 モデルのパフォーマンスは、CAMUSとEchoNet-Dynamicデータセットで厳格に検証された。 これらのデータセットでそれぞれ0.962と0.939の高Diceスコアを達成する。
  論文  参考訳（メタデータ） (2025-06-18T06:27:08Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
  そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。 本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。 本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2025-04-09T14:58:21Z)
• Unsupervised Training of a Dynamic Context-Aware Deep Denoising Framework for Low-Dose Fluoroscopic Imaging [6.130738760059542]
  フルオロスコープは医用画像におけるリアルタイムX線可視化に重要である。 低線量画像はノイズによって損なわれ、診断精度に影響を及ぼす可能性がある。 蛍光画像系列を動的に認識する教師なし学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T13:39:31Z)
• 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)
• 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)
• Blind CT Image Quality Assessment Using DDPM-derived Content and Transformer-based Evaluator [9.626301541775998]
  ブラインド画像品質評価(BIQA)は、放射線学者が知覚するものと一致して知覚品質を評価する。 本研究では,IMGのアクティブ推論過程をエミュレートする革新的なBIQA指標を提案する。 われわれはMICCAI 2023において,低線量CTの知覚画像品質評価大挑戦で2位を獲得した。
  論文  参考訳（メタデータ） (2023-10-04T19:13:16Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• 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)

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。