論文の概要: Virtual Chromoendscopy with Tunable Visibility Enhancement

• arxiv url: http://arxiv.org/abs/2607.12416v1
• Date: Tue, 14 Jul 2026 06:45:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.054738
• Title: Virtual Chromoendscopy with Tunable Visibility Enhancement
• Title（参考訳）: Tunable Visibility Enhancement を用いた仮想クロモエンド顕微鏡
• Authors: Yuhi Kanno, Yusuke Monno, Sho Suzuki, Tomohiro Tada, Masatoshi Okutomi,
• Abstract要約: クロモエンドスコープ(CE)は、胃病変の視認性を改善するために、インディゴカルミンブルー染料を胃表面に噴霧する一般的な臨床実践である。 胃病変の視認性を高めるために,V-CEと画像強調技術を組み合わせた仮想拡張内視鏡(V-ECE)を提案する。
• 参考スコア（独自算出の注目度）: 16.13704553401975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chromoendoscopy (CE) is a common clinical practice that sprays indigo carmine blue dye onto the gastric surface to improve the visibility of gastric lesions, such as an early cancer. While CE is effective in detecting the lesions, preparing and spraying the dye needs additional cost and time, which is undesirable both for patients and medical practitioners. To overcome this issue, virtual chromoendoscopy (V-CE) was recently proposed, which applies a learned image translation model to virtually generate a CE image from a standard endoscopy (SE) image. In this paper, we propose virtual enhanced chromoendoscopy (V-ECE) that combines V-CE with image enhancement techniques to further improve the visibility of gastric lesions. Because a desired enhancement level depends on the inspected lesion and the practitioner's preference, we introduce a novel image translation model that can generate V-ECE images using an enhancement level tunable by a user. Experimental results demonstrate that our proposed model can plausibly generate V-ECE images with various enhancement levels using a unified model.
• Abstract（参考訳）: クロモエンドスコープ(CE)は、早期がんなどの胃病変の視認性を改善するために、インディゴカルミンブルー染料を胃表面に噴霧する一般的な臨床実践である。 CEは病変の検出に有効であるが、染料の調製と散布には追加のコストと時間が必要であるため、患者と医療従事者の両方にとって望ましくない。 この問題を解決するために, 仮想クロマトグラフィー(V-CE)が最近提案され, 標準内視鏡(SE)画像からCE画像を仮想的に生成する学習画像変換モデルが提案されている。 本稿では,V-CEと画像強調技術を組み合わせて胃病変の視認性を向上させる仮想拡張内視鏡(V-ECE)を提案する。 所望のエンハンスメントレベルは検査された病変と実践者の好みに依存するため,ユーザが調整可能なエンハンスメントレベルを用いてV-ECE画像を生成する新しい画像変換モデルを提案する。 実験結果から,本モデルでは統一モデルを用いて,様々なエンハンスメントレベルを持つV-ECE画像を生成することができることがわかった。

関連論文リスト

• Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction [72.80209358480424]
  ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:54:06Z)
• A Novel Retinal Image Contrast Enhancement -- Fuzzy-Based Method [0.0]
  本稿では, ファジィコントラスト強調(FCE)とコントラスト限定アダプティブヒストグラム等化(CLAHE)を線形ブレンドして網膜血管構造セグメンテーションの網膜像を強化する新しいモデルを提案する。 その結果, FCE法とCLAHE法の組み合わせで大きな改善が認められた。
  論文  参考訳（メタデータ） (2025-02-25T04:54:24Z)
• Deep intra-operative illumination calibration of hyperspectral cameras [73.08443963791343]
  ハイパースペクトルイメージング (HSI) は, 様々な手術応用に期待できる新しい画像モダリティとして出現している。 手術室における照明条件の動的変化がHSIアプリケーションの性能に劇的な影響を及ぼすことを示す。 手術中におけるハイパースペクトル画像の自動再構成のための新しい学習ベースアプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-11T08:30:03Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• Semantic Map Guided Synthesis of Wireless Capsule Endoscopy Images using Diffusion Models [4.187344935012482]
  ワイヤレスカプセル内視鏡(Wireless capsule endoscopy, WCE)は、消化管(GI)を可視化するための非侵襲的方法である。 本稿では,様々なWCE画像を生成するために生成モデル,特に拡散モデル(DM)を活用する新しいアプローチを提案する。 我々のモデルは、可視化スケール(VS)エンジンによるセマンティックマップを導入し、生成した画像の可制御性と多様性を向上させる。
  論文  参考訳（メタデータ） (2023-11-10T06:16:44Z)
• LLCaps: Learning to Illuminate Low-Light Capsule Endoscopy with Curved Wavelet Attention and Reverse Diffusion [24.560417980602928]
  ワイヤレスカプセル内視鏡(Wireless capsule endoscopy, WCE)は、消化器疾患の無痛・非侵襲診断ツールである。 医学領域における深層学習に基づく低照度画像強調(LLIE)は徐々に研究者を惹きつける。 マルチスケール畳み込みニューラルネットワーク(CNN)と逆拡散プロセスに基づく WCE LLIE フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-05T17:23:42Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。