論文の概要: Domain Adaptation of Carotid Ultrasound Images using Generative Adversarial Network

• arxiv url: http://arxiv.org/abs/2601.01460v1
• Date: Sun, 04 Jan 2026 10:08:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.366313
• Title: Domain Adaptation of Carotid Ultrasound Images using Generative Adversarial Network
• Title（参考訳）: 生成逆数ネットワークを用いた頸動脈超音波画像の領域適応
• Authors: Mohd Usama, Belal Ahmad, Christer Gronlund, Faleh Menawer R Althiyabi,
• Abstract要約: 本稿では,画像から画像への変換のためのGANに基づく新しいモデルを提案する。 画像のテクスチャパターンの変換に成功し,超音波画像から残響ノイズを除去した。
• 参考スコア（独自算出の注目度）: 0.2624902795082451
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning has been extensively used in medical imaging applications, assuming that the test and training datasets belong to the same probability distribution. However, a common challenge arises when working with medical images generated by different systems or even the same system with different parameter settings. Such images contain diverse textures and reverberation noise that violate the aforementioned assumption. Consequently, models trained on data from one device or setting often struggle to perform effectively with data from other devices or settings. In addition, retraining models for each specific device or setting is labor-intensive and costly. To address these issues in ultrasound images, we propose a novel Generative Adversarial Network (GAN)-based model. We formulated the domain adaptation tasks as an image-to-image translation task, in which we modified the texture patterns and removed reverberation noise in the test data images from the source domain to align with those in the target domain images while keeping the image content unchanged. We applied the proposed method to two datasets containing carotid ultrasound images from three different domains. The experimental results demonstrate that the model successfully translated the texture pattern of images and removed reverberation noise from the ultrasound images. Furthermore, we evaluated the CycleGAN approaches for a comparative study with the proposed model. The experimental findings conclusively demonstrated that the proposed model achieved domain adaptation (histogram correlation (0.960 (0.019), & 0.920 (0.043) and bhattacharya distance (0.040 (0.020), & 0.085 (0.048)), compared to no adaptation (0.916 (0.062) & 0.890 (0.077), 0.090 (0.070) & 0.121 (0.095)) for both datasets.
• Abstract（参考訳）: 深層学習は、テストデータセットとトレーニングデータセットが同じ確率分布に属すると仮定して、医用イメージングアプリケーションで広く使われている。 しかし、異なるシステムで生成された医療画像や、異なるパラメータ設定で同じシステムでも、共通の課題が生じる。 このような画像は、上記の仮定に反する様々なテクスチャと残響ノイズを含んでいる。 その結果、あるデバイスやセッティングのデータに基づいてトレーニングされたモデルは、他のデバイスやセッティングのデータで効果的に実行するのに苦労することが多い。 さらに、特定のデバイスや設定ごとに再トレーニングするモデルは、労働集約的でコストがかかる。 超音波画像におけるこれらの問題に対処するため,新しいGANモデルを提案する。 本研究では,画像から画像への変換タスクとしてドメイン適応タスクを定式化し,テクスチャパターンを修正し,ソース領域からテストデータイメージの残響ノイズを除去し,画像内容が変化することなく,対象領域イメージ内のものと整合する。 提案手法を3領域の頸動脈超音波画像を含む2つのデータセットに適用した。 実験の結果, 画像のテクスチャパターンの変換に成功し, 超音波画像から残響ノイズを取り除いた。 さらに,CycleGANのアプローチについて,提案モデルとの比較検討を行った。 実験結果から,本モデルが領域適応 (ヒストグラム相関 (0.960 (0.019), & 0.920 (0.043), and bhattacharya distance (0.040 (0.020), & 0.085 (0.048)) を達成し,両データセットの適応 (0.916 (0.062), 0.890 (0.077), 0.090 (0.070), 0.121 (0.095) を達成できた。

関連論文リスト

• Denoising Plane Wave Ultrasound Images Using Diffusion Probabilistic Models [3.3463490716514177]
  高フレームレート超音波イメージングは、高フレームレートイメージングを可能にする最先端技術である。 高フレームレート超音波イメージングにかかわる課題の1つは、それらにかかわる高ノイズが、より広範に採用を妨げていることである。 提案手法は,平面波画像の画質向上を目的としている。 具体的には、低角と高角複合平面波の区別をノイズとみなす。 さらに,本手法では,生成した画像の強度マップとして自然画像分割マスクを用い,解剖学的形状の精度向上を図る。
  論文  参考訳（メタデータ） (2024-08-20T16:31:31Z)
• A Domain Adaptation Model for Carotid Ultrasound: Image Harmonization, Noise Reduction, and Impact on Cardiovascular Risk Markers [0.09999629695552192]
  超音波画像における画像から画像への変換のためのGANに基づくモデルを提案する。 耳下腺超音波画像のテクスチャパターンとノイズの低減について解剖学的に検討した。 その結果、ドメイン適応は両方のタスクで達成された。
  論文  参考訳（メタデータ） (2024-07-06T19:44:00Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• The applicability of transperceptual and deep learning approaches to the study and mimicry of complex cartilaginous tissues [0.0]
  複雑な軟組織、例えば膝半月板は、移動と関節の健康において重要な役割を担っている。 組織を設計するためには、組織の内部構造を理解して複製する必要がある。 私たちは、ネイティブなアーキテクチャを模倣する人工アーキテクチャを生成するために、オーディオと視覚を組み合わせたアプローチ、いわゆるトランスパーセプティカル(transperceptual)を探求します。
  論文  参考訳（メタデータ） (2022-11-21T08:51:52Z)
• Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
  視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。 本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。 実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
  論文  参考訳（メタデータ） (2022-10-26T15:21:39Z)
• Markup-to-Image Diffusion Models with Scheduled Sampling [111.30188533324954]
  画像生成の最近の進歩に基づき,画像にマークアップを描画するためのデータ駆動型アプローチを提案する。 このアプローチは拡散モデルに基づいており、デノナイジング操作のシーケンスを用いてデータの分布をパラメータ化する。 数式(La)、テーブルレイアウト(HTML)、シート音楽(LilyPond)、分子画像(SMILES)の4つのマークアップデータセットの実験を行った。
  論文  参考訳（メタデータ） (2022-10-11T04:56:12Z)
• Embedding contrastive unsupervised features to cluster in- and out-of-distribution noise in corrupted image datasets [18.19216557948184]
  Web画像検索に検索エンジンを使用することは、イメージデータセットを作成する際の手作業によるキュレーションに代わる誘惑的な手段である。 主な欠点は、回収された間違った(ノイズの多い)サンプルの割合である。 本稿では,教師なしのコントラスト特徴学習を用いた検出ステップから始める2段階のアルゴリズムを提案する。 比較学習のアライメントと均一性原理により,OODサンプルは単位超球面上のIDサンプルから線形に分離できることがわかった。
  論文  参考訳（メタデータ） (2022-07-04T16:51:56Z)
• Adversarial Distortion Learning for Medical Image Denoising [43.53912137735094]
  本稿では,2次元および3次元(2D/3D)のバイオメディカル画像データから,新たな逆歪み学習法を提案する。 提案されたADLは2つの自動エンコーダで構成されている。 デノイザとディスクリミネータはどちらも、Efficient-Unetと呼ばれる自動エンコーダをベースとしている。
  論文  参考訳（メタデータ） (2022-04-29T13:47:39Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Learning Ultrasound Rendering from Cross-Sectional Model Slices for Simulated Training [13.640630434743837]
  計算シミュレーションは、バーチャルリアリティーにおけるそのようなスキルの訓練を容易にする。 インタラクティブな時間に任意のレンダリングやシミュレーションプロセスをバイパスするためにここに提案します。 我々は、専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。
  論文  参考訳（メタデータ） (2021-01-20T21:58:19Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。