論文の概要: UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation for Assessing Hepatic Steatosis
- arxiv url: http://arxiv.org/abs/2603.16942v1
- Date: Mon, 16 Mar 2026 07:28:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.280951
- Title: UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation for Assessing Hepatic Steatosis
- Title（参考訳）: UNICORN 超音波中上画像検査による肝脂肪症の診断
- Authors: Kwanyoung Kim, Jaa-Yeon Lee, Youngjun Ko, GunWoo Lee, Jong Chul Ye,
- Abstract要約: 超音波中上イメージングは、後方散乱信号における組織散乱の可視化と定量化を約束する。
既存の中上画像撮影手法では, ウィンドウサイズ選択が最適であり, 推定の不安定性に悩まされている。
超音波封筒信号のスコア関数に基づいて,中上パラメータ推定のための正確なクローズドフォーム推定器であるUNICORNを提案する。
- 参考スコア（独自算出の注目度）: 45.189136663158656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ultrasound imaging is an essential first-line tool for assessing hepatic steatosis. While conventional B-mode ultrasound imaging has limitations in providing detailed tissue characterization, ultrasound Nakagami imaging holds promise for visualizing and quantifying tissue scattering in backscattered signals, with potential applications in fat fraction analysis. However, existing methods for Nakagami imaging struggle with optimal window size selection and suffer from estimator instability, leading to degraded image resolution. To address these challenges, we propose a novel method called UNICORN (Ultrasound Nakagami Imaging via Score Matching and Adaptation), which offers an accurate, closed-form estimator for Nakagami parameter estimation based on the score function of the ultrasound envelope signal. Unlike methods that visualize only specific regions of interest (ROI) and estimate parameters within fixed window sizes, our approach provides comprehensive parameter mapping by providing a pixel-by-pixel estimator, resulting in high-resolution imaging. We demonstrated that our proposed estimator effectively assesses hepatic steatosis and provides visual distinction in the backscattered statistics associated with this condition. Through extensive experiments using real envelope data from patient, we validated that UNICORN enables clinical detection of hepatic steatosis and exhibits robustness and generalizability.
- Abstract（参考訳）: 超音波イメージングは肝脂肪症を評価するための第一線ツールである。
従来のBモード超音波画像は組織像の詳細な特徴を提供するには限界があるが、超音波中上画像は後方散乱信号における組織散乱の可視化と定量化を約束しており、脂肪分画解析に応用できる可能性がある。
しかし, 既存の中上画像撮影手法では, 最適なウィンドウサイズ選択に苦しむとともに, 推定の不安定性に悩まされ, 画像の分解能が低下する。
これらの課題に対処するために,超音波エンベロープ信号のスコア関数に基づいて中紙パラメータ推定のための正確なクローズドフォーム推定器であるUNICORN (Ultrasound Nakagami Imaging via Score Matching and Adaptation) を提案する。
特定の関心領域(ROI)のみを可視化する手法と異なり,提案手法はピクセル・バイ・ピクセル推定器を提供することで総合的なパラメータマッピングを提供し,高解像度の画像化を実現している。
提案した推定器は肝脂肪症を効果的に評価し, この病態に関連する後方散乱統計に視覚的特徴を与えることを示した。
UNICORNは肝脂肪症を臨床的に検出し, 堅牢性, 一般化性を示した。
関連論文リスト
- IRSDE-Despeckle: A Physics-Grounded Diffusion Model for Generalizable Ultrasound Despeckling [0.2580765958706854]
本稿では,画像復元微分方程式に基づく拡散型超音波脱スペック法を提案する。
教師付きトレーニングを実現するため,スペックルフリー磁気共鳴画像からの超音波画像のシミュレーションにより,大規模なペアデータセットをキュレートする。
提案したモデルは、解剖学的に意味のあるエッジとコントラストをスペックル圧縮画像に再構成する。
論文 参考訳（メタデータ） (2026-02-26T07:42:25Z) - Bi-level Guided Diffusion Models for Zero-Shot Medical Imaging Inverse Problems [4.82425721275731]
逆問題は、不完全でノイズの多い測定から高品質な画像を推測することを目的としている。
拡散モデルは最近、そのような実践的な課題に対する有望なアプローチとして現れました。
このアプローチにおける中心的な課題は、測定情報に従うために無条件の予測をどのように導くかである。
BGDM(UnderlinetextbfBi-level UnderlineGuided UnderlineDiffusion Underline Models)を提案する。
論文 参考訳（メタデータ） (2024-04-04T10:36:56Z) - UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
超音波による組織散乱の可視化と定量化は中上イメージングが約束している。
既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。
提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
論文 参考訳（メタデータ） (2024-03-10T18:05:41Z) - B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation [50.208310028625284]
脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
論文 参考訳（メタデータ） (2023-10-14T15:34:57Z) - Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。
また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。
実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
論文 参考訳（メタデータ） (2023-09-29T14:19:51Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - 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。