生成敵対ネットワークとBayes推論によるマイクロCT合成と内耳超解像【JST・京大機械翻訳】

Li Hongwei; Prasad Rameshwara G. N.; Sekuboyina Anjany; Niu Chen; Bai Siwei; Hemmert Werner; Menze Bjoern

プレプリント

J-GLOBAL ID：202202201613116230 整理番号：21P0057141

生成敵対ネットワークとBayes推論によるマイクロCT合成と内耳超解像【JST・京大機械翻訳】

Micro-CT Synthesis and Inner Ear Super Resolution via Generative Adversarial Networks and Bayesian Inference

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年10月27日プレプリントサーバーでの情報更新日： 2021年02月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

既存の医用画像超解像法は,完全教師つき方法でマッピングを学習するために,低および高解像度画像の対に依存する。しかし,そのような画像対は臨床診療においてしばしば利用できない。本論文では,不対データを用いた実世界シナリオにおける超解像度問題を取り上げ,内耳に埋め込まれた側頭骨構造の線形8倍高分解マイクロCT画像を合成した。著者らは,超解像タスクのためのサイクル一貫性生成敵対ネットワークを調査して,Bayes推論による翻訳アプローチを等しかった。さらに,時間骨の形状を定量化するため,Hu Moment距離評価尺度を導入した。公開内耳CTデータセット上で提案手法を評価し,最先端の深層学習ベース法よりも視覚的および定量的改善の両方を観察した。さらに,マルチ評価者視覚評価実験を行い,訓練された専門家が,すべての方法の中で,提案した方法を最高品質スコアに一貫してレートすることを発見した。さらに,不対翻訳タスクにおける不確実性を定量化し,不確実性マップは側頭骨の構造情報を提供できる。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る