論文の概要: QWD-GAN: Quality-aware Wavelet-driven GAN for Unsupervised Medical Microscopy Images Denoising

• arxiv url: http://arxiv.org/abs/2509.15814v1
• Date: Fri, 19 Sep 2025 09:41:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.113354
• Title: QWD-GAN: Quality-aware Wavelet-driven GAN for Unsupervised Medical Microscopy Images Denoising
• Title（参考訳）: QWD-GAN:unsupervised Medical Microscopy Image Denoisingのための品質を考慮したウェーブレット駆動型GAN
• Authors: Qijun Yang, Yating Huang, Lintao Xiang, Hujun Yin,
• Abstract要約: 本稿では,GANアーキテクチャに基づく教師なし画像復調手法を提案する。 提案手法は最先端の復調性能,特に高周波情報の保存に優れる。
• 参考スコア（独自算出の注目度）: 2.99938892718088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image denoising plays a critical role in biomedical and microscopy imaging, especially when acquiring wide-field fluorescence-stained images. This task faces challenges in multiple fronts, including limitations in image acquisition conditions, complex noise types, algorithm adaptability, and clinical application demands. Although many deep learning-based denoising techniques have demonstrated promising results, further improvements are needed in preserving image details, enhancing algorithmic efficiency, and increasing clinical interpretability. We propose an unsupervised image denoising method based on a Generative Adversarial Network (GAN) architecture. The approach introduces a multi-scale adaptive generator based on the Wavelet Transform and a dual-branch discriminator that integrates difference perception feature maps with original features. Experimental results on multiple biomedical microscopy image datasets show that the proposed model achieves state-of-the-art denoising performance, particularly excelling in the preservation of high-frequency information. Furthermore, the dual-branch discriminator is seamlessly compatible with various GAN frameworks. The proposed quality-aware, wavelet-driven GAN denoising model is termed as QWD-GAN.
• Abstract（参考訳）: バイオメディカルおよび顕微鏡イメージングにおいて、特に広視野蛍光染色画像の取得において、画像の分解は重要な役割を担っている。 このタスクは、画像取得条件の制限、複雑なノイズタイプ、アルゴリズム適応性、臨床応用要求など、複数の面で課題に直面している。 深層学習に基づく復調技術の多くは有望な結果を示しているが、画像の保存、アルゴリズムの効率の向上、臨床解釈可能性の向上にはさらなる改善が必要である。 本稿では,GANアーキテクチャに基づく教師なし画像復調手法を提案する。 このアプローチでは、ウェーブレット変換に基づくマルチスケール適応型ジェネレータと、差分知覚特徴写像を原特徴と統合する二分岐判別器を導入している。 複数のバイオメディカル顕微鏡画像データセットによる実験結果から,提案モデルは最先端の復調性能を実現し,特に高周波情報の保存に優れていた。 さらに、デュアルブランチ識別器は様々なGANフレームワークとシームレスに互換性がある。 提案手法はQWD-GAN(QWD-GAN)と呼ばれる。

関連論文リスト

• MIND: A Noise-Adaptive Denoising Framework for Medical Images Integrating Multi-Scale Transformer [2.746409982853943]
  本稿では,マルチスケールの畳み込みとトランスフォーマーアーキテクチャを統合した医療画像適応型復調モデル(MI-ND)を提案する。 雑音知覚によって駆動されるチャネル空間的注意制御とクロスモーダル特徴融合を実現する。 構造回復、診断感度、クロスモーダルロバストネスに優れた利点があり、医用画像の強化とAIによる診断と治療に有効なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-11T10:00:51Z)
• Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
  本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。 画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。 高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
  論文  参考訳（メタデータ） (2025-06-19T13:28:09Z)
• 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)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• 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)
• 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)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• 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)
• Multimodal-Boost: Multimodal Medical Image Super-Resolution using Multi-Attention Network with Wavelet Transform [5.416279158834623]
  対応する画像分解能の喪失は、医用画像診断の全体的な性能を低下させる。 ディープラーニングベースのシングルイメージスーパーレゾリューション(SISR)アルゴリズムは、全体的な診断フレームワークに革命をもたらした。 本研究は,低周波データから高頻度情報を学習する深層マルチアテンションモジュールを用いたGAN(Generative Adversarial Network)を提案する。
  論文  参考訳（メタデータ） (2021-10-22T10:13:46Z)

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。