論文の概要: Quantification of MagLIF morphology using the Mallat Scattering Transformation

• arxiv url: http://arxiv.org/abs/2005.01600v2
• Date: Thu, 15 Oct 2020 21:00:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 00:30:15.836209
• Title: Quantification of MagLIF morphology using the Mallat Scattering Transformation
• Title（参考訳）: Mallat Scattering Transformation を用いたMagLIF形態の定量化
• Authors: Michael E. Glinsky, Thomas W. Moore, William E. Lewis, Matthew R. Weis, Christopher A. Jennings, David J. Ampleford, Patrick F. Knapp, Eric C. Harding, Matthew R. Gomez, Adam J. Harvey-Thompson
• Abstract要約: 我々は,Mallat Scattering Transformation (MST)に基づく画像形態計測尺度を開発した。 本研究では,実験画像と実験画像とを定量的に比較し,実験画像の形態パラメータを不確実性で推定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The morphology of the stagnated plasma resulting from Magnetized Liner Inertial Fusion (MagLIF) is measured by imaging the self-emission x-rays coming from the multi-keV plasma. Equivalent diagnostic response can be generated by integrated radiation-magnetohydrodynamic (rad-MHD) simulations from programs such as HYDRA and GORGON. There have been only limited quantitative ways to compare the image morphology, that is the texture, of simulations and experiments. We have developed a metric of image morphology based on the Mallat Scattering Transformation (MST), a transformation that has proved to be effective at distinguishing textures, sounds, and written characters. This metric is designed, demonstrated, and refined by classifying ensembles (i.e., classes) of synthetic stagnation images, and by regressing an ensemble of synthetic stagnation images to the morphology (i.e., model) parameters used to generate the synthetic images. We use this metric to quantitatively compare simulations to experimental images, experimental images to each other, and to estimate the morphological parameters of the experimental images with uncertainty. This coordinate space has proved very adept at doing a sophisticated relative background subtraction in the MST space. This was needed to compare the experimental self emission images to the rad-MHD simulation images.
• Abstract（参考訳）: 磁化リニア慣性核融合(MagLIF)による静止プラズマの形態は、マルチkeVプラズマからの自己放出X線を撮像することによって測定される。 等価な診断応答は、HYDRAやGORGONのようなプログラムからの放射-磁気流体力学(rad-MHD)シミュレーションによって生成される。 画像形態、すなわちテクスチャ、シミュレーションと実験を比較するための定量的な方法は限られている。 我々は, テクスチャ, 音, 文字の識別に有効な変換法であるMallat Scattering Transformation (MST) に基づいて, 画像形態の指標を開発した。 この計量は、合成停滞画像のアンサンブル(すなわちクラス)を分類し、合成停滞画像のアンサンブルを合成画像を生成するのに用いられる形態(すなわちモデル)パラメータに回帰させることによって設計、実証、洗練される。 本研究では,実験画像と実験画像とのシミュレーションを定量的に比較し,不確かさを伴う実験画像の形態パラメータを推定する。 この座標空間は、MST空間において洗練された相対的背景減算を行うのに非常に適していることが証明されている。 これは実験的な自己発光画像をrad-MHDシミュレーション画像と比較するために必要であった。

関連論文リスト

• A Voxel-based Approach for Simulating Microbial Decomposition in Soil: Comparison with LBM and Improvement of Morphological Models [0.0]
  本研究では,有機物の微生物分解をシミュレーションするための新しい計算手法を提案する。 この方法は、変換および拡散過程をシミュレートするために、連結ボクセルの値付きグラフを用いる。 得られたモデルは、多孔質媒体の拡散変換過程をシミュレートするために適応することができる。
  論文  参考訳（メタデータ） (2024-06-06T15:35:25Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• High-fidelity Direct Contrast Synthesis from Magnetic Resonance Fingerprinting [28.702553164811473]
  本稿では,MRFデータからコントラスト強調画像を直接合成する教師あり学習手法を提案する。 In-vivo実験は、シミュレーションベースのコントラスト合成や従来のDCS法と比較して、視覚的にも定量的にも優れた画質を示す。
  論文  参考訳（メタデータ） (2022-12-21T07:11:39Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Differentiable Electron Microscopy Simulation: Methods and Applications for Visualization [40.8023670606058]
  そこで本研究では,微視的形態で原子モデルを記述することのできる新しい顕微鏡シミュレーションシステムを提案する。 このシステムはスケーラブルで、数十のウイルス粒子の電子顕微鏡シミュレーションを表現でき、以前の方法よりも高速に画像を合成できる。
  論文  参考訳（メタデータ） (2022-05-08T12:39:04Z)
• {\phi}-SfT: Shape-from-Template with a Physics-Based Deformation Model [69.27632025495512]
  Shape-from-Template (SfT) 法では、単一の単眼RGBカメラから3次元表面の変形を推定する。 本稿では,物理シミュレーションによる2次元観察を解説する新しいSfT手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:59:57Z)
• Realistic galaxy image simulation via score-based generative models [0.0]
  本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。 主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
  論文  参考訳（メタデータ） (2021-11-02T16:27:08Z)
• Image reconstruction in light-sheet microscopy: spatially varying deconvolution and mixed noise [1.1545092788508224]
  光シート顕微鏡におけるデコンボリューションの問題点について検討する。 データは空間的に異なるぼかしと、ポアソンとガウスノイズの組み合わせによって破壊される。 シミュレーションと実データの両方で行った数値実験は, 他の手法と比較して, 再現性に優れていた。
  論文  参考訳（メタデータ） (2021-08-08T14:14:35Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。