論文の概要: From Narrow to Wide: Autoencoding Transformers for Ultrasound Bandwidth Recovery

• arxiv url: http://arxiv.org/abs/2511.02938v1
• Date: Tue, 04 Nov 2025 19:34:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.223355
• Title: From Narrow to Wide: Autoencoding Transformers for Ultrasound Bandwidth Recovery
• Title（参考訳）: ナローからワイドへ:超音波帯域回復のための自動符号化変換器
• Authors: Sepideh KhakzadGharamaleki, Hassan Rivaz, Brandon Helfield,
• Abstract要約: パルスエコー超音波は、低コストのプローブが狭い周波数帯域しか供給しない場合に発生する。 この制限は、帯域制限のバンドから周波数(RF)ラインのブロードバンド・スペクトログラムへのデータ駆動マッピングを学習することで解決する。
• 参考スコア（独自算出の注目度）: 3.9639272826479672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional pulse-echo ultrasound suffers when low-cost probes deliver only narrow fractional bandwidths, elongating pulses and erasing high-frequency detail. We address this limitation by learning a data-driven mapping from band-limited to broadband spectrogram of radio-frequency (RF) lines. To this end, a variation of Tiny Vision Transform (ViT) auto-encoder is trained on simulation data using a curriculum-weighted loss. On heterogeneous speckle-cyst phantoms, the network reduces image-domain MSE by 90 percent, boosts PSNR by 6.7 dB, and raises SSIM to 0.965 compared with the narrow-band input. It also sharpens point-target rows in a completely unseen resolution phantom, demonstrating strong out-of-distribution generalisation without sacrificing frame rate or phase information. These results indicate that a purely software upgrade can endow installed narrow-band probes with broadband-like performance, potentially widening access to high-resolution ultrasound in resource-constrained settings.
• Abstract（参考訳）: パルスエコ超音波は、低コストのプローブが狭い周波数帯域しか提供せず、パルスを延長し、高周波の細部を消去する場合に発生する。 この制限は、帯域制限のバンドから周波数(RF)ラインのブロードバンド・スペクトログラムへのデータ駆動マッピングを学習することで解決する。 この目的のために、カリキュラム重み付き損失を用いてシミュレーションデータに基づいて、Tiny Vision Transform(ViT)オートエンコーダのバリエーションを訓練する。 不均一なスペックルシストファントムでは、このネットワークは画像ドメインMSEを90%削減し、PSNRを6.7dB増加させ、狭帯域入力と比較してSSIMを0.965に上昇させる。 また、全く見えない解像度のファントムでポイントターゲット行をシャープし、フレームレートや位相情報を犠牲にすることなく、強力な分布外一般化を示す。 これらの結果から,狭帯域プローブの広帯域化により,資源制約条件下での高分解能超音波へのアクセスが拡大する可能性が示唆された。

関連論文リスト

• BADiff: Bandwidth Adaptive Diffusion Model [55.10134744772338]
  従来の拡散モデルは、下流の伝送制限によらず、一定数のデノナイジングステップを実行することで、高忠実度画像を生成する。 実際のクラウド・ツー・デバイス・シナリオでは、帯域幅の制限はしばしば重い圧縮を必要とし、微妙なテクスチャや無駄な計算が失われる。 使用可能な帯域幅から導かれる目標品質レベルに拡散モデルを条件付けする,共同エンドツーエンドのトレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2025-10-24T11:50:03Z)
• Transmitter Identification via Volterra Series Based Radio Frequency Fingerprint [3.7848713545513317]
  RFF(Radio Frequency Fingerprinting)は、暗号を必要とせず、偽造に抵抗するため、有望な解決策を提供する。 既存のRFFアプローチは、しばしば統一理論と効果的な特徴抽出を欠いている。 本研究では,送信機をブラックボックスとしてモデル化し,送信信号への影響を分析する。 パブリックなLoRaデータセットの実験では、静的チャネルでは98%以上の精度で、マルチパスとドップラー効果下で90%以上の精度で、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-10-22T10:11:41Z)
• Learning to Enhance Aperture Phasor Field for Non-Line-of-Sight Imaging [22.365437882740657]
  本研究の目的は,サンプリングやスキャンエリアの数を削減し,より実用的なNLOSイメージングを実現することである。 本研究では,デノナイズドオートエンコーダ方式を利用して,測定空間におけるリッチでノイズの多い表現を得る。 我々は、ネットワークのスペクトルを周波数範囲に制限するために、ファサーベースパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-07-26T07:57:07Z)
• Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
  本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。 実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
  論文  参考訳（メタデータ） (2024-07-26T02:34:25Z)
• Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
  次世代の細胞概念は、大量の高周波サンプルの処理に依存している。 RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。 RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
  論文  参考訳（メタデータ） (2024-03-05T17:42:39Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
  本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。 VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
  論文  参考訳（メタデータ） (2021-05-31T10:39:25Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• On Filter Generalization for Music Bandwidth Extension Using Deep Neural Networks [0.40611352512781856]
  ディープニューラルネットワークを用いて帯域幅拡張問題を定式化し、帯域幅制限信号がネットワークへの入力として提供される。 本研究の主な貢献は,ネットワークのトレーニングおよびテストにおいて,低域通過フィルタの選択が与える影響である。 本稿では,トレーニング中に複数の低域通過フィルタを利用するデータ拡張戦略を提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:41:28Z)

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。