論文の概要: Convolutional Feature Noise Reduction for 2D Cardiac MR Image Segmentation

• arxiv url: http://arxiv.org/abs/2511.22983v1
• Date: Fri, 28 Nov 2025 08:44:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.82614
• Title: Convolutional Feature Noise Reduction for 2D Cardiac MR Image Segmentation
• Title（参考訳）: 2次元心MR画像分割のための畳み込み雑音低減法
• Authors: Hong Zheng, Nan Mu, Han Su, Lin Feng, Xiaoning Li,
• Abstract要約: 畳み込み型特徴フィルタ(CFF)は、特徴信号入力の雑音を最小限に抑えるための低振幅通過フィルタである。 CFFの有効性を検証するため、2つの確立された2次元分割ネットワークと2つの公開心MR画像データセットの実験を行った。 この減少を数値的に観測し解析するために,特徴信号の情報エントロピーを計算する二項化方程式を開発した。
• 参考スコア（独自算出の注目度）: 7.370984258732359
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Noise reduction constitutes a crucial operation within Digital Signal Processing. Regrettably, it frequently remains neglected when dealing with the processing of convolutional features in segmentation networks. This oversight could trigger the butterfly effect, impairing the subsequent outcomes within the entire feature system. To complete this void, we consider convolutional features following Gaussian distributions as feature signal matrices and then present a simple and effective feature filter in this study. The proposed filter is fundamentally a low-amplitude pass filter primarily aimed at minimizing noise in feature signal inputs and is named Convolutional Feature Filter (CFF). We conducted experiments on two established 2D segmentation networks and two public cardiac MR image datasets to validate the effectiveness of the CFF, and the experimental findings demonstrated a decrease in noise within the feature signal matrices. To enable a numerical observation and analysis of this reduction, we developed a binarization equation to calculate the information entropy of feature signals.
• Abstract（参考訳）: ノイズ低減はデジタル信号処理において重要な操作である。 しかし、セグメンテーションネットワークにおける畳み込み機能を処理する際には、しばしば無視される。 この監視はバタフライ効果を誘発し、機能システム全体のその後の結果を損なう可能性がある。 そこで本研究では,ガウス分布に続く畳み込み特徴を特徴信号行列とみなし,単純かつ効果的な特徴フィルタを提案する。 提案フィルタは,主に特徴信号入力における雑音の最小化を目的とした低振幅通過フィルタであり,畳み込み特徴フィルタ (CFF) と呼ばれる。 CFFの有効性を検証するため、2つの確立された2次元分割ネットワークと2つの公開心MR画像データセットを用いて実験を行い、実験結果により特徴信号行列内のノイズの減少が認められた。 この減少を数値的に観測し解析するために,特徴信号の情報エントロピーを計算する二項化方程式を開発した。

関連論文リスト

• Filter2Noise: Interpretable Self-Supervised Single-Image Denoising for Low-Dose CT with Attention-Guided Bilateral Filtering [3.788107003189284]
  解釈可能な自己教師型単一画像復調フレームワーク Filter2Noise (F2N) を提案する。 本手法では,軽量モジュールを介して各ノイズに適応するアテンションガイドバイラテラルフィルタを提案する。 マヨクリニック2016の低用量CTデータセットでは、F2Nは4.5dB9 PSNRで指導的な自己監督シングルイメージ法(ZS-N2N)より優れている。
  論文  参考訳（メタデータ） (2025-04-18T07:15:27Z)
• Exploring Kernel Transformations for Implicit Neural Representations [57.2225355625268]
  入射神経表現(INR)は、ニューラルネットワークを利用して、対応する属性に座標をマッピングすることで、信号を表現する。 この研究は、モデル自体を変更せずに入出力のカーネル変換の効果を探求する先駆者となった。 我々の発見の副産物は、スケールとシフトを組み合わせて、INRを無視できないオーバーヘッドで著しく向上させる、単純で効果的な方法である。
  論文  参考訳（メタデータ） (2025-04-07T04:43:50Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to CT Image Fusion [3.868072865207522]
  画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。 デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。 組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
  論文  参考訳（メタデータ） (2024-02-04T14:12:51Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• 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)
• Interpretable Acoustic Representation Learning on Breathing and Speech Signals for COVID-19 Detection [37.01066509527848]
  本稿では,新型コロナウイルス検出作業における音声信号の表現学習のアプローチについて述べる。 生音声サンプルは、コサイン変調ガウス関数としてパラメータ化される1次元畳み込みフィルタのバンクで処理される。 フィルタされた出力は、プールされ、ログ圧縮され、自己アテンションベースの関連重み付け機構で使用される。
  論文  参考訳（メタデータ） (2022-06-27T15:20:51Z)
• Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
  本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。 解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
  論文  参考訳（メタデータ） (2020-10-21T20:04:22Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。