深層学習による光音響顕微鏡画像のノイズ除去【JST・京大機械翻訳】

He Da; Zhou Jiasheng; Shang Xiaoyu; Luo Jiajia; Chen Sung-Liang

プレプリント

J-GLOBAL ID：202202212443162617 整理番号：22P0026539

深層学習による光音響顕微鏡画像のノイズ除去【JST・京大機械翻訳】

De-Noising of Photoacoustic Microscopy Images by Deep Learning

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 (5件)： , , , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12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)

ハイブリッドイメージング技術として,光音響顕微鏡(PAM)イメージングは,レーザ強度の最大許容曝露,組織中の超音波の減衰,および変換器の固有雑音によるノイズに悩まされる。雑音除去は雑音を低減する後処理法であり,PAM画像品質を回復できる。しかし,以前の雑音除去技術は,通常,数学的事前と手動選択パラメータに大きく依存し,異なる雑音画像に対する不満足で遅い雑音除去性能をもたらし,これは,実用的および臨床的応用を大きく妨げる。本研究では,異なる入力画像のための設定の数学的事前と手動選択なしに,PAM画像から複雑な雑音を除去する深層学習ベース手法を提案した。画像特徴を抽出し,様々な雑音を除去するため,注意増強生成広告ネットワークを用いた。提案方法を,ファントム(葉脈)とin vivo(マウス耳血管とゼブラフィッシュ色素)実験を含む合成と実際のデータセットの両方について実証した。結果は,以前のPAMノイズ除去方法と比較して,著者らの方法が定性的および定量的に画像を回復する際に良い性能を示すことを示した。さらに,256×256画素の画像に対して,0.016sの雑音除去速度を達成した。本アプローチはPAM画像の雑音除去に有効で実用的である。【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