論文の概要: A Frequency-Aware Self-Supervised Learning for Ultra-Wide-Field Image Enhancement
- arxiv url: http://arxiv.org/abs/2508.19664v1
- Date: Wed, 27 Aug 2025 08:24:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-28 19:07:41.556891
- Title: A Frequency-Aware Self-Supervised Learning for Ultra-Wide-Field Image Enhancement
- Title（参考訳）: 超広視野画像強調のための周波数認識型自己教師付き学習
- Authors: Weicheng Liao, Zan Chen, Jianyang Xie, Yalin Zheng, Yuhui Ma, Yitian Zhao,
- Abstract要約: UWF画像強調のための新しい周波数認識型自己教師型学習法を提案する。
周波数分離画像デブロアリングとレチネックス誘導照明補償モジュールが組み込まれている。
実験結果から,本研究は視認性の向上だけでなく,疾患診断性能の向上にも寄与することがわかった。
- 参考スコア（独自算出の注目度）: 18.34541880051962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultra-Wide-Field (UWF) retinal imaging has revolutionized retinal diagnostics by providing a comprehensive view of the retina. However, it often suffers from quality-degrading factors such as blurring and uneven illumination, which obscure fine details and mask pathological information. While numerous retinal image enhancement methods have been proposed for other fundus imageries, they often fail to address the unique requirements in UWF, particularly the need to preserve pathological details. In this paper, we propose a novel frequency-aware self-supervised learning method for UWF image enhancement. It incorporates frequency-decoupled image deblurring and Retinex-guided illumination compensation modules. An asymmetric channel integration operation is introduced in the former module, so as to combine global and local views by leveraging high- and low-frequency information, ensuring the preservation of fine and broader structural details. In addition, a color preservation unit is proposed in the latter Retinex-based module, to provide multi-scale spatial and frequency information, enabling accurate illumination estimation and correction. Experimental results demonstrate that the proposed work not only enhances visualization quality but also improves disease diagnosis performance by restoring and correcting fine local details and uneven intensity. To the best of our knowledge, this work is the first attempt for UWF image enhancement, offering a robust and clinically valuable tool for improving retinal disease management.
- Abstract（参考訳）: UWF(Ultra-Wide-Field)網膜イメージングは網膜の全体像を提供することで網膜診断に革命をもたらした。
しかし、ぼやけや不均一な照明などの品質劣化の要因に悩まされることが多く、細部が不明瞭で、病的情報がマスクされている。
他の眼底画像に対して多くの網膜画像強調法が提案されているが、UWFのユニークな要件、特に病理学的詳細を保存する必要性に対処することができないことが多い。
本稿では,UWF画像強調のための新しい周波数認識型自己教師型学習手法を提案する。
周波数分離画像デブロアリングとレチネックス誘導照明補償モジュールが組み込まれている。
前者のモジュールに非対称なチャネル統合操作を導入し、高周波数情報と低周波情報を活用してグローバルとローカルのビューを組み合わせることにより、微細で広範な構造的詳細の保存を確実にする。
さらに,後者のRetinexモジュールに色保存ユニットを提案し,高精度な照明推定と補正を可能とするマルチスケール空間・周波数情報を提供する。
実験結果から,本研究は視認性の向上だけでなく,局所的な細部や不均一な強度を復元・補正することにより,疾患診断性能の向上を図っている。
我々の知る限りでは、この研究はUWF画像強調のための最初の試みであり、網膜疾患管理を改善するための堅牢で臨床的に価値のあるツールを提供する。
関連論文リスト
- Multi-Scale Target-Aware Representation Learning for Fundus Image Enhancement [11.652205644265893]
高品質の眼底画像は、臨床検診や眼科疾患の診断に欠かせない解剖学的情報を提供する。
近年は、眼底画像の強化が有望な進展をみせている。
本稿では,効率的なファンドス画像強調のためのMTRL-FIE(Multi-scale target-aware representation learning framework)を提案する。
論文 参考訳（メタデータ） (2025-05-03T14:25:48Z) - Enhancing Fundus Image-based Glaucoma Screening via Dynamic Global-Local Feature Integration [26.715346685730484]
特徴抽出のための最適境界を自律的に決定する自己適応型注意窓を提案する。
また,グローバルな特徴とローカルな特徴を,特徴線形読み出しによって効果的に融合するマルチヘッドアテンション機構を導入する。
緑内障の分類において,本手法が優れた精度とロバスト性を実現することを示す実験結果が得られた。
論文 参考訳（メタデータ） (2025-04-01T05:28:14Z) - UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement [17.28459176559761]
UWF-FA (UWF fluorescein angiography) は、患者の手や肘に注入して蛍光染料を投与する必要がある。
注射による潜在的な副作用を軽減するため、研究者はクロスモダリティ医療画像生成アルゴリズムの開発を提案した。
本稿では,UWF-SLOからUWF-FAを合成する条件生成対向ネットワーク(UWAFA-GAN)を提案する。
論文 参考訳（メタデータ） (2024-05-01T14:27:43Z) - 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) - AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。
しかし,このような手法を医用画像に直接適用することは依然として困難である。
適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-08T13:18:10Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - UWAT-GAN: Fundus Fluorescein Angiography Synthesis via Ultra-wide-angle
Transformation Multi-scale GAN [1.165405976310311]
眼底写真は、眼底疾患の臨床的および鑑別診断に欠かせない検査である。
基礎画像の現在の方法では高解像度の画像が得られず、微小な血管病変領域を捉えることができなかった。
本稿では,UWF-SLOからUWF-FAを合成する条件付き生成対向ネットワーク(UWAT-GAN)を提案する。
論文 参考訳（メタデータ） (2023-07-21T12:23:39Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Bridging Synthetic and Real Images: a Transferable and Multiple
Consistency aided Fundus Image Enhancement Framework [61.74188977009786]
画像強調とドメイン適応を同時に行うために,エンドツーエンドの教師支援フレームワークを提案する。
また,教師ネットワークと学生ネットワークのバックボーンとして,マルチステージ型マルチアテンション・ガイド・エンハンスメント・ネットワーク(MAGE-Net)を提案する。
論文 参考訳（メタデータ） (2023-02-23T06:16:15Z) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-07T04:31:33Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。