論文の概要: Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2004.01738v4
• Date: Tue, 12 May 2020 01:21:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 04:18:20.243948
• Title: Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction
• Title（参考訳）: MRI再構成のための深部複雑値畳み込みニューラルネットワークの解析
• Authors: Elizabeth K. Cole, Joseph Y. Cheng, John M. Pauly, and Shreyas S. Vasanawala
• Abstract要約: 本研究では、2チャネル実数値ネットワークの代わりに画像再構成のための終端複素値畳み込みニューラルネットワークについて検討する。 複雑な値の畳み込みを持つ複素値CNNは、トレーニング可能なパラメータの数が同じ実値の畳み込みよりも優れた再構成を提供することがわかった。
• 参考スコア（独自算出の注目度）: 9.55767753037496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world signal sources are complex-valued, having real and imaginary components. However, the vast majority of existing deep learning platforms and network architectures do not support the use of complex-valued data. MRI data is inherently complex-valued, so existing approaches discard the richer algebraic structure of the complex data. In this work, we investigate end-to-end complex-valued convolutional neural networks - specifically, for image reconstruction in lieu of two-channel real-valued networks. We apply this to magnetic resonance imaging reconstruction for the purpose of accelerating scan times and determine the performance of various promising complex-valued activation functions. We find that complex-valued CNNs with complex-valued convolutions provide superior reconstructions compared to real-valued convolutions with the same number of trainable parameters, over a variety of network architectures and datasets.
• Abstract（参考訳）: 多くの実世界の信号源は複素値であり、実および虚数成分を持つ。 しかし、既存のディープラーニングプラットフォームやネットワークアーキテクチャの大部分は、複雑な数値データの使用をサポートしていない。 MRIデータは本質的に複素数値であり、既存のアプローチは複素データのよりリッチな代数構造を捨てる。 本研究では,2チャネル実数値ネットワークの代わりに画像再構成を行うために,終端から終端までの複雑な畳み込みニューラルネットワークについて検討する。 本研究では,スキャン時間の短縮を目的とした磁気共鳴画像再構成に応用し,様々な有望な複合値活性化関数の性能を判定する。 複雑な値の畳み込みを持つ複雑な値のCNNは、様々なネットワークアーキテクチャやデータセットに対して、同じ数のトレーニング可能なパラメータを持つ実値の畳み込みよりも優れた再構成を提供する。

関連論文リスト

• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Multi-scale MRI reconstruction via dilated ensemble networks [2.8755060609190086]
  拡張畳み込みを用いた高効率なマルチスケール再構成ネットワークを導入し,分解能の維持を図る。 並列拡張フィルタにインスパイアされた複数の受容場は、大きな構造的アーティファクトときめ細かい局所的特徴の両方を見る分岐とともに同時に処理される。
  論文  参考訳（メタデータ） (2023-10-07T06:49:57Z)
• Building Blocks for a Complex-Valued Transformer Architecture [5.177947445379688]
  我々は、$mathbbR2$へのプロジェクションを使わずに、複雑な値の信号にディープラーニングを適用することを目指している。 本稿では,複雑な値を持つDot-Product Attention機構の複数バージョンと,複雑な値を持つレイヤの正規化について述べる。 我々は,MusicNetデータセットの分類とシーケンス生成タスクを検証し,実数値トランスフォーマーアーキテクチャと比較した場合のオンパー性能を維持しながら,オーバーフィッティングに対するロバスト性の向上を示した。
  論文  参考訳（メタデータ） (2023-06-16T13:11:15Z)
• Learning Detail-Structure Alternative Optimization for Blind Super-Resolution [69.11604249813304]
  そこで我々は,ブラインドSRに先立ってカーネルを曖昧にすることなく,再帰的な詳細構造代替最適化を実現する,有効かつカーネルフリーなネットワークDSSRを提案する。 DSSRでは、細部構造変調モジュール(DSMM)が構築され、画像の詳細と構造の相互作用と協調を利用する。 本手法は既存の手法に対して最先端の手法を実現する。
  論文  参考訳（メタデータ） (2022-12-03T14:44:17Z)
• Transformer-empowered Multi-scale Contextual Matching and Aggregation for Multi-contrast MRI Super-resolution [55.52779466954026]
  マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。 既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。 そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2022-03-26T01:42:59Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
  パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。 経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
  論文  参考訳（メタデータ） (2021-08-15T10:13:49Z)
• Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
  MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。 提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
  論文  参考訳（メタデータ） (2021-06-16T15:56:34Z)
• Enhanced MRI Reconstruction Network using Neural Architecture Search [22.735244777008422]
  残差基本ブロックを用いたMRI再構成ネットワークを提案する。 基本ブロック内の各セルに対して、差別化可能なニューラルアーキテクチャサーチ(NAS)技術を用いて、最適な操作を自動的に選択する。 この新しい異種ネットワークは2つの公開データセットで評価され、現在の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-08-19T03:44:31Z)
• Co-VeGAN: Complex-Valued Generative Adversarial Network for Compressive Sensing MR Image Reconstruction [8.856953486775716]
  本稿では,複素値入力を処理するための,複素値対向ネットワーク(Co-VeGAN)に基づく新しいフレームワークを提案する。 我々のモデルは複雑な値入力を処理でき、CS-MR画像の高品質な再構成を可能にする。
  論文  参考訳（メタデータ） (2020-02-24T20:28:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。