An Interpretable X-ray Style Transfer via Trainable Local Laplacian Filter

要約

放射線科医は、診断パフォーマンスをサポートするためにニーズに合わせて手動で調整される X 線画像の視覚的な印象または「スタイル」を好みます。
この研究では、ローカル ラプラシアン フィルター (LLF) のトレーニング可能なバージョンを導入することにより、自動的で解釈可能な X 線スタイルの転送を提案します。
LLF の最適化されたリマップ関数の形状から、スタイル転送の特性を推測でき、アルゴリズムの信頼性を保証できます。
さらに、リマップ関数を多層パーセプトロン (MLP) に置き換え、トレーニング可能な正規化層を追加することで、LLF が複雑な X 線スタイルの特徴をキャプチャできるようにします。
未処理のマンモグラフィ X 線画像をターゲットのマンモグラムのスタイルに一致する画像に変換することで、提案された方法の有効性を実証し、Aubry らのベースライン LLF スタイル転送方法の 0.82 と比較して、構造類似性指数 (SSIM) 0.94 を達成しました。
。

要約(オリジナル)

Radiologists have preferred visual impressions or ‘styles’ of X-ray images that are manually adjusted to their needs to support their diagnostic performance. In this work, we propose an automatic and interpretable X-ray style transfer by introducing a trainable version of the Local Laplacian Filter (LLF). From the shape of the LLF’s optimized remap function, the characteristics of the style transfer can be inferred and reliability of the algorithm can be ensured. Moreover, we enable the LLF to capture complex X-ray style features by replacing the remap function with a Multi-Layer Perceptron (MLP) and adding a trainable normalization layer. We demonstrate the effectiveness of the proposed method by transforming unprocessed mammographic X-ray images into images that match the style of target mammograms and achieve a Structural Similarity Index (SSIM) of 0.94 compared to 0.82 of the baseline LLF style transfer method from Aubry et al.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google