論文の概要: SDPA++: A General Framework for Self-Supervised Denoising with Patch Aggregation

• arxiv url: http://arxiv.org/abs/2510.16702v1
• Date: Sun, 19 Oct 2025 04:05:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.100292
• Title: SDPA++: A General Framework for Self-Supervised Denoising with Patch Aggregation
• Title（参考訳）: SDPA++: パッチアグリゲーションによる自己監視型Denoisingのための汎用フレームワーク
• Authors: Huy Minh Nhat Nguyen, Triet Hoang Minh Dao, Chau Vinh Hoang Truong, Cuong Tuan Nguyen,
• Abstract要約: SDPA++: Patch Aggregationを用いたセルフスーパーバイズ・デノーミングのための汎用フレームワークを提案する。 提案手法は, 自己融合と自己教師型復調により, 初めて擬似地下構造画像を生成することで, ノイズの多いOCT画像のみを活用する。 Contrast-to-Noise Ratio(CNR)、Mean Square Ratio(MSR)、Texture Preservation(TP)、Edge Preservation(EP)といったメトリクスを通じて、IEEE Video and Image Processing Cupの実際のデータセットのパフォーマンス改善を検証する。
• 参考スコア（独自算出の注目度）: 1.1123754733827187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical Coherence Tomography (OCT) is a widely used non-invasive imaging technique that provides detailed three-dimensional views of the retina, which are essential for the early and accurate diagnosis of ocular diseases. Consequently, OCT image analysis and processing have emerged as key research areas in biomedical imaging. However, acquiring paired datasets of clean and real-world noisy OCT images for supervised denoising models remains a formidable challenge due to intrinsic speckle noise and practical constraints in clinical imaging environments. To address these issues, we propose SDPA++: A General Framework for Self-Supervised Denoising with Patch Aggregation. Our novel approach leverages only noisy OCT images by first generating pseudo-ground-truth images through self-fusion and self-supervised denoising. These refined images then serve as targets to train an ensemble of denoising models using a patch-based strategy that effectively enhances image clarity. Performance improvements are validated via metrics such as Contrast-to-Noise Ratio (CNR), Mean Square Ratio (MSR), Texture Preservation (TP), and Edge Preservation (EP) on the real-world dataset from the IEEE SPS Video and Image Processing Cup. Notably, the VIP Cup dataset contains only real-world noisy OCT images without clean references, highlighting our method's potential for improving image quality and diagnostic outcomes in clinical practice.
• Abstract（参考訳）: 光コヒーレンス・トモグラフィ(OCT)は、眼疾患の早期かつ正確な診断に必須である網膜の詳細な3次元像を提供する、広く用いられている非侵襲的イメージング技術である。 その結果,OCT画像解析と処理が生体医用画像の重要な研究領域として浮上した。 しかし,本質的なスペックルノイズと臨床画像環境の実践的制約により,教師付き遮音モデルのためのクリーンで実世界のノイズの多いOCT画像のペアデータセットを取得することは,依然として困難な課題である。 これらの問題に対処するため,私たちはSDPA++を提案する。 提案手法は, 自己融合と自己教師型復調により, 初めて擬似地下構造画像を生成することで, ノイズの多いOCT画像のみを活用する。 これらの洗練された画像は、画像の明瞭度を効果的に向上するパッチベースの戦略を用いて、デノイングモデルのアンサンブルを訓練するターゲットとして機能する。 Contrast-to-Noise Ratio(CNR)、Mean Square Ratio(MSR)、Texture Preservation(TP)、Edge Preservation(EP)など、IEEE SPS Video and Image Processing Cupの実際のデータセット上でのパフォーマンス改善が検証されている。 特に、VIP Cupデータセットは、クリーン参照のない実世界のノイズの多いOCT画像のみを含んでおり、臨床実習における画像品質と診断結果を改善するための方法の可能性を強調している。

関連論文リスト

• A Denoising Framework for Real-World Ultra-Low Dose Lung CT Images Based on an Image Purification Strategy [1.6574413179773761]
  超低線量CT(uLDCT)は放射線被曝を著しく減少させるが、重音やアーティファクトをもたらす。 また、uLDCTと正常線量CT(NDCT)画像対の空間的ずれも生じている。 本稿では,画像浄化(IP)戦略に基づく革新的なデノベーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-08T19:40:38Z)
• UOPSL: Unpaired OCT Predilection Sites Learning for Fundus Image Diagnosis Augmentation [47.08936359575974]
  我々は,OCTから派生した空間的先行情報を用いて,捕食部位を動的に識別する新しい無ペアマルチモーダルフレームワーク UOPSL を提案する。 我々のアプローチは、拡張された病気のテキスト記述を通して、未治療の根本とOCTを橋渡しする。 28の重要カテゴリにわたる9つの多様なデータセットで実施された実験は、我々のフレームワークが既存のベンチマークを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-09-10T14:19:59Z)
• Contextual Checkerboard Denoise -- A Novel Neural Network-Based Approach for Classification-Aware OCT Image Denoising [1.8032335403003321]
  我々は、ノイズの多い画像のデータセットのみから雑音を学習できる新しいニューラルネットワークベースの手法、emphContextual Checkerboard Denoisingを導入する。 提案手法は画像品質を大幅に改善し,より鮮明で詳細なOCT画像を提供するとともに,診断精度を向上する。
  論文  参考訳（メタデータ） (2024-11-29T08:51:43Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Self-supervised OCT Image Denoising with Slice-to-Slice Registration and Reconstruction [5.972377737617966]
  構造保存ノイズ低減のための学習に基づく自己教師手法は,従来の手法よりも優れた性能を示した。 我々は,OCT画像復調に適したエンドツーエンドの自己教師型学習フレームワークを新たに導入する。
  論文  参考訳（メタデータ） (2023-11-26T02:45:16Z)
• 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)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• 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)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)

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。