Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica

Autores
Montilla, Delfina; González, Martín Germán; Rey Vega, Leonardo Javier
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El objetivo de este trabajo es el estudio de un método de pre-procesamiento de los datos medidos por un tomógrafo optoacústico bidimensional para reducir o eliminar los artefactos introducidos por la escasa cantidad de detectores en el sistema experimental y el acotado ancho de banda de estos. Para esta tarea, se utilizó una red neuronal profunda generativa adversaria y se comparó su rendimiento con una red neuronal de referencia U-Net. En la mayoría de los casos de testeo realizados, se encontró una leve mejora aplicando la red propuesta al medir la correlación de Pearson y la relación señal a ruido piso entre la imagen reconstruida producto de los datos procesados por el modelo y la imagen de alta resolución de referencia.
The goal of this work is to study a preprocessing method for the data measured by a two-dimensional optoacoustic tomograph in order to reduce or eliminate artifacts introduced by the low number of detectors in the experimental setup and their limited bandwidth. A generative adversarial deep neural network was used to accomplish this task and its performance was compared with a reference U-Net neural network. In most of the test cases carried out, a slight improvement was found by applying the proposed network when measuring the Pearson correlation and the peak signal noise ratio between the reconstructed image product of the data processed by the model and the high-resolution reference image.
Fil: Montilla, Delfina. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina
Fil: González, Martín Germán. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Rey Vega, Leonardo Javier. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Materia
APRENDIZAJE PROFUNDO
TOMOGRAFÍA OPTOACÚSTICA
GAN
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/219472
Acceder
id CONICETDig_e9e81aae008fe97eeaece4ec9c3e0d88
oai_identifier_str oai:ri.conicet.gov.ar:11336/219472
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústicaGenerative Adversarial Network Applied to the Elimination of Noise and Artifacts in Optoacoustic Tomography SinogramsMontilla, DelfinaGonzález, Martín GermánRey Vega, Leonardo JavierAPRENDIZAJE PROFUNDOTOMOGRAFÍA OPTOACÚSTICAGANhttps://purl.org/becyt/ford/2.2https://purl.org/becyt/ford/2https://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1https://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1El objetivo de este trabajo es el estudio de un método de pre-procesamiento de los datos medidos por un tomógrafo optoacústico bidimensional para reducir o eliminar los artefactos introducidos por la escasa cantidad de detectores en el sistema experimental y el acotado ancho de banda de estos. Para esta tarea, se utilizó una red neuronal profunda generativa adversaria y se comparó su rendimiento con una red neuronal de referencia U-Net. En la mayoría de los casos de testeo realizados, se encontró una leve mejora aplicando la red propuesta al medir la correlación de Pearson y la relación señal a ruido piso entre la imagen reconstruida producto de los datos procesados por el modelo y la imagen de alta resolución de referencia.The goal of this work is to study a preprocessing method for the data measured by a two-dimensional optoacoustic tomograph in order to reduce or eliminate artifacts introduced by the low number of detectors in the experimental setup and their limited bandwidth. A generative adversarial deep neural network was used to accomplish this task and its performance was compared with a reference U-Net neural network. In most of the test cases carried out, a slight improvement was found by applying the proposed network when measuring the Pearson correlation and the peak signal noise ratio between the reconstructed image product of the data processed by the model and the high-resolution reference image.Fil: Montilla, Delfina. Universidad de Buenos Aires. Facultad de Ingeniería; ArgentinaFil: González, Martín Germán. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Rey Vega, Leonardo Javier. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaUniversidad de Buenos Aires. Facultad de Ingeniería2023-06info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/219472Montilla, Delfina; González, Martín Germán; Rey Vega, Leonardo Javier; Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica; Universidad de Buenos Aires. Facultad de Ingeniería; Elektron; 7; 1; 6-2023; 7-182525-0159CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://elektron.fi.uba.ar/index.php/elektron/article/view/180info:eu-repo/semantics/altIdentifier/doi/10.37537/rev.elektron.7.1.180.2023info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:18:15Zoai:ri.conicet.gov.ar:11336/219472instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:18:15.571CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
Generative Adversarial Network Applied to the Elimination of Noise and Artifacts in Optoacoustic Tomography Sinograms
title Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
spellingShingle Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
Montilla, Delfina
APRENDIZAJE PROFUNDO
TOMOGRAFÍA OPTOACÚSTICA
GAN
title_short Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
title_full Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
title_fullStr Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
title_full_unstemmed Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
title_sort Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica
dc.creator.none.fl_str_mv Montilla, Delfina
González, Martín Germán
Rey Vega, Leonardo Javier
author Montilla, Delfina
author_facet Montilla, Delfina
González, Martín Germán
Rey Vega, Leonardo Javier
author_role author
author2 González, Martín Germán
Rey Vega, Leonardo Javier
author2_role author
author
dc.subject.none.fl_str_mv APRENDIZAJE PROFUNDO
TOMOGRAFÍA OPTOACÚSTICA
GAN
topic APRENDIZAJE PROFUNDO
TOMOGRAFÍA OPTOACÚSTICA
GAN
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.2
https://purl.org/becyt/ford/2
https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
https://purl.org/becyt/ford/1.3
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv El objetivo de este trabajo es el estudio de un método de pre-procesamiento de los datos medidos por un tomógrafo optoacústico bidimensional para reducir o eliminar los artefactos introducidos por la escasa cantidad de detectores en el sistema experimental y el acotado ancho de banda de estos. Para esta tarea, se utilizó una red neuronal profunda generativa adversaria y se comparó su rendimiento con una red neuronal de referencia U-Net. En la mayoría de los casos de testeo realizados, se encontró una leve mejora aplicando la red propuesta al medir la correlación de Pearson y la relación señal a ruido piso entre la imagen reconstruida producto de los datos procesados por el modelo y la imagen de alta resolución de referencia.
The goal of this work is to study a preprocessing method for the data measured by a two-dimensional optoacoustic tomograph in order to reduce or eliminate artifacts introduced by the low number of detectors in the experimental setup and their limited bandwidth. A generative adversarial deep neural network was used to accomplish this task and its performance was compared with a reference U-Net neural network. In most of the test cases carried out, a slight improvement was found by applying the proposed network when measuring the Pearson correlation and the peak signal noise ratio between the reconstructed image product of the data processed by the model and the high-resolution reference image.
Fil: Montilla, Delfina. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina
Fil: González, Martín Germán. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Rey Vega, Leonardo Javier. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
description El objetivo de este trabajo es el estudio de un método de pre-procesamiento de los datos medidos por un tomógrafo optoacústico bidimensional para reducir o eliminar los artefactos introducidos por la escasa cantidad de detectores en el sistema experimental y el acotado ancho de banda de estos. Para esta tarea, se utilizó una red neuronal profunda generativa adversaria y se comparó su rendimiento con una red neuronal de referencia U-Net. En la mayoría de los casos de testeo realizados, se encontró una leve mejora aplicando la red propuesta al medir la correlación de Pearson y la relación señal a ruido piso entre la imagen reconstruida producto de los datos procesados por el modelo y la imagen de alta resolución de referencia.
publishDate 2023
dc.date.none.fl_str_mv 2023-06
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/219472
Montilla, Delfina; González, Martín Germán; Rey Vega, Leonardo Javier; Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica; Universidad de Buenos Aires. Facultad de Ingeniería; Elektron; 7; 1; 6-2023; 7-18
2525-0159
CONICET Digital
CONICET
url http://hdl.handle.net/11336/219472
identifier_str_mv Montilla, Delfina; González, Martín Germán; Rey Vega, Leonardo Javier; Red adversaria generativa aplicada a la eliminación de ruido y artefactos en sinogramas de tomografía optoacústica; Universidad de Buenos Aires. Facultad de Ingeniería; Elektron; 7; 1; 6-2023; 7-18
2525-0159
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://elektron.fi.uba.ar/index.php/elektron/article/view/180
info:eu-repo/semantics/altIdentifier/doi/10.37537/rev.elektron.7.1.180.2023
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ingeniería
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ingeniería
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614142525177856
score 13.070432

Publicaciones similares