Apr, 2022

X 光冠状动脉造影超分辨率血管提取的鲁棒 PCA 展开网络

PDF
TL;DR为了解决 X-ray 冠状动脉造影（XCA）图像中的血管稀疏建模效率低下、噪音和动态背景伪影以及高计算成本等问题，提出了一种新的基于稀疏特征选择的鲁棒 PCA 展开网络，用于超分辨率 XCA 血管成像，并嵌入到一种基于池化层和卷积长短时记忆网络的分块时空超分辨率框架中，该网络不仅可以在网络训练期间逐步修剪复杂的血管伪像和噪音背景，还可以迭代学习和选择 XCA 成像血管中流动对比剂的高级时空语义信息。实验结果表明，该方法在血管网络及其远端血管的成像中明显优于现有方法，可以恢复异质性血管的强度和几何剖面。（translated simplified Chinese summary）
robust pcax-ray coronary angiographyvessels imagingsuper-resolutionsparse feature selection
发现论文，激发创造
  • 基于工作记忆的分层视频分解与转化表示

    本研究介绍了一种灵活的视觉工作存储模型用于视频分解任务，该模型提供了可解释和高性能的分层深度体系结构，有效地恢复了运动目标的强度和几何形状，通过分解视频中的结构正则化模拟移动前景对象，创新性地分离出噪声和复杂背景中的运动对比度 - 填充血管。

    Apr, 2022

  • 深度展开的鲁棒主成分分析及其在超声杂波抑制中的应用

    本文提出了一种使用机器学习中的鲁棒主成分分析和深度展开技术的方法，用于去除超声图像中的杂波，并优化超声图像对于血管的可视化效果。

    Nov, 2018

  • 基于深层通道注意力网络的连续血管分割

    本研究提出一种新型编码器 - 解码器深度网络结构，利用在当前帧中心处以滑动窗口方式，利用 2D+t 连续图像的多个上下文帧来分割 2D 血管掩膜。该架构具有时间和空间特征提取，跳跃连接层中的特征融合和解码器阶段的通道注意机制。通过对所提出的方法与其他最先进算法进行比较的广泛实验证明了该方法在定量指标和视觉验证方面的优越性。

    Feb, 2021

  • 非凸健壮主成分分析的深度展开

    提出了一种基于加速交替投影算法的深度展开算法，旨在解决矩阵分解问题中的 Robust Principal Component Analysis (RPCA) 问题，并自学习超参数。通过在合成数据集和面部建模问题上的效果展示出其在数值和视觉上的效能。

    Jul, 2023

  • 基于部分血管标注的冠状动脉分割：自我训练和原型学习

    基于部分血管标注提出一种弱监督学习框架，通过学习血管的局部特征、全局结构和特征原型，实现精确的冠状动脉分割，在冠状动脉 CTA 图像上超过了其他方法的表现，并且在血管的主干连续性上达到了与全注释模型相当的性能。

    Jul, 2023

  • 一种深度展开的时空 RPCA 网络用于 L+S 分解

    本文提出了一种新的深度展开的时空鲁棒主成分分析神经网络方法 (DUST-RPCA)，该方法通过显式利用低秩成分中的时空连续性，在移动 MNIST 数据集上比现有的深度展开鲁棒主成分分析神经网络达到更好的精度。

    Nov, 2022

  • 采样先验增强深度展开网络用于鲁棒视频压缩感知

    本文提出了基于采样先验的深度展开网络（SPA-DUN）用于高效、稳健的视频压缩感知重建。实验表明，SPA-DUN 在各种采样设置下都能取得最先进的性能，具有可解释性和通用性。

    Jul, 2023

  • 使用集成学习的多血管冠状动脉分割和狭窄定位

    通过机器学习解决方案，该研究提出了一种用于冠状动脉造影图像的自动诊断的端到端解决方案，旨在在冠状动脉血管的多血管分割和狭窄病变定位方面进行基准测试。

    Oct, 2023

  • 用于嘈杂自由移动相机视频的全景鲁棒主成分分析进行前景 - 背景分离

    提出一种新的稳健 PCA 方法，用于自由移动相机视频的前景背景分离，可处理可能的稠密和稀疏污染。该方法可以注册受损视频的帧，然后将由相机运动引起的透视差异编码为全局模型中的缺失数据。我们将已注册的视频建模为低秩成分，平滑成分和稀疏成分的总和。该方法在实践中已经表现出卓越的表现。

    Dec, 2017

  • 基于自相似性的手绘涂鸦光声血管造影超分辨率重建

    本文介绍了一种基于深度学习的超分辨率 PAA 方法，该方法使用伪造的 PAA 图像来训练超分辨率模型，以提高其泛化性能。实验结果表明，我们的方法在原始域和交叉域测试中均优于使用真实 PAA 图像训练的模型，并展示了基于深度学习模型伪造图像的超分辨重建质量的提升，说明深度学习模型之间的协作可以促进泛化能力，尽管初始数据集有限。

    May, 2023