論文の概要: Augment to Augment: Diverse Augmentations Enable Competitive Ultra-Low-Field MRI Enhancement

• arxiv url: http://arxiv.org/abs/2511.09366v1
• Date: Thu, 13 Nov 2025 01:49:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.536464
• Title: Augment to Augment: Diverse Augmentations Enable Competitive Ultra-Low-Field MRI Enhancement
• Title（参考訳）: Augment to Augment: Multi-Low-Field MRI の競合性向上を可能にするDiverse Augmentations
• Authors: Felix F Zimmermann,
• Abstract要約: Ultra-low-field (ULF) MRIは、幅広いアクセシビリティを約束するが、SNR(low signal-to-noise ratio)、空間分解能の低下、高磁場標準から逸脱するコントラストに悩まされている。 画像から画像への変換は、ULF画像を高精細な外観にマッピングするが、少ないペアのトレーニングデータによって有効性が制限される。 フィールドデータに対する補助的なタスクを含む、強力で多様な拡張により、忠実度が大幅に向上することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-low-field (ULF) MRI promises broader accessibility but suffers from low signal-to-noise ratio (SNR), reduced spatial resolution, and contrasts that deviate from high-field standards. Imageto- image translation can map ULF images to a high-field appearance, yet efficacy is limited by scarce paired training data. Working within the ULF-EnC challenge constraints (50 paired 3D volumes; no external data), we study how task-adapted data augmentations impact a standard deep model for ULF image enhancement. We show that strong, diverse augmentations, including auxiliary tasks on high-field data, substantially improve fidelity. Our submission ranked third by brain-masked SSIM on the public validation leaderboard and fourth by the official score on the final test leaderboard. Code is available at https://github.com/fzimmermann89/low-field-enhancement.
• Abstract（参考訳）: Ultra-low-field (ULF) MRIは、幅広いアクセシビリティを約束するが、SNR(low signal-to-noise ratio)、空間分解能の低下、高磁場標準から逸脱するコントラストに悩まされている。 画像から画像への変換は、ULF画像を高精細な外観にマッピングするが、少ないペアのトレーニングデータによって有効性が制限される。 ULF-EnCチャレンジ制約(50対の3Dボリューム、外部データなし)内での作業では、タスク適応型データ拡張がULF画像強調のための標準深度モデルにどのように影響するかを検討する。 フィールドデータに対する補助的なタスクを含む、強力で多様な拡張により、忠実度が大幅に向上することを示す。 第3位は公開検証のリーダーボードで、第4位は最終テストのリーダーボードで、第3位でした。 コードはhttps://github.com/fzimmermann89/low-field-enhancementで入手できる。

関連論文リスト

• Unsupervised Ultra-High-Resolution UAV Low-Light Image Enhancement: A Benchmark, Metric and Framework [9.515570339229962]
  低照度条件は、重要な用途において無人航空機(UAV)の性能を著しく低下させる。 既存の低照度画像強調法(LIE)は、航空画像のユニークな課題に対処する。 我々は、LIEのための初の教師なしUHR UAVデータセットであるU3Dについて、統一評価ツールキットを用いて紹介する。 第二に、エッジ効率指数(EEI)は、知覚品質と主要な展開要因のバランスをとる新しい指標である。
  論文  参考訳（メタデータ） (2025-09-01T11:20:07Z)
• Pretext Task Adversarial Learning for Unpaired Low-field to Ultra High-field MRI Synthesis [5.998097558786736]
  低磁場MRIは、高磁場MRIと比較して、信号対雑音比(SNR)と空間分解能の低下に悩まされることが多い。 低磁場MRIデータからの高磁場MRI合成のためのPretext Task Adversarial (PTA) 学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-07T11:28:55Z)
• Improving Representation of High-frequency Components for Medical Visual Foundation Models [16.39492793639237]
  我々は、周波数適応表現オートエンコーダ(Frepa)という新しい事前学習戦略を提案する。 Frepaはエンコーダに画像埋め込みにおける高周波成分を効果的に表現し保存することを奨励する。 そこで我々はFrepaを9つの医療モダリティにまたがって開発し、2D画像と3Dボリュームデータの両方に対して32の下流タスクで検証する。
  論文  参考訳（メタデータ） (2024-07-19T20:05:10Z)
• NeRF-DetS: Enhanced Adaptive Spatial-wise Sampling and View-wise Fusion Strategies for NeRF-based Indoor Multi-view 3D Object Detection [17.631688089207724]
  屋内シーンでは、物体の位置とスケールの多様さが視覚的な3D知覚タスクを大きな課題にしている。 従来の研究では、暗黙の表現は視覚的な3D知覚タスクに役立てる能力を持っていることが示されている。 これらの問題に対処するために, 単純で効果的なNeRF-DetSを提案する。
  論文  参考訳（メタデータ） (2024-04-22T06:59:03Z)
• Transferring Ultrahigh-Field Representations for Intensity-Guided Brain Segmentation of Low-Field Magnetic Resonance Imaging [51.92395928517429]
  7T MRIの使用は、低磁場MRIと比較して高コストでアクセシビリティが低いため制限されている。 本研究では,入力されたLF磁気共鳴特徴表現と,脳画像分割タスクのための7T様特徴表現とを融合したディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T12:21:06Z)
• HAT: Hybrid Attention Transformer for Image Restoration [59.69448362233234]
  トランスフォーマーに基づく手法は、画像の超解像や復調といった画像復元タスクにおいて顕著な性能を示している。 本稿では,新たなHAT(Hybrid Attention Transformer)を提案する。 我々のHATは,定量的かつ定性的に,最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-09-11T05:17:55Z)
• AligNeRF: High-Fidelity Neural Radiance Fields via Alignment-Aware Training [100.33713282611448]
  我々は、高分解能データによるNeRFのトレーニングに関する最初のパイロット研究を行う。 本稿では,多層パーセプトロンと畳み込み層との結合を含む,対応する解を提案する。 私たちのアプローチは、明らかなトレーニング/テストコストを導入することなく、ほぼ無償です。
  論文  参考訳（メタデータ） (2022-11-17T17:22:28Z)

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。