Fugu-MT 論文翻訳(概要): Inferring astrophysical X-ray polarization with deep learning

論文の概要: Inferring astrophysical X-ray polarization with deep learning

arxiv url: http://arxiv.org/abs/2005.08126v1
Date: Sat, 16 May 2020 23:19:07 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 14:08:48.860650
Title: Inferring astrophysical X-ray polarization with deep learning
Title（参考訳）: 深層学習による天体x線偏光推定
Authors: Nikita Moriakov, Ashwin Samudre, Michela Negro, Fabian Gieseke, Sydney Otten, Luc Hendriks
Abstract要約: 天体物理源からのX線偏光検出における深層学習の利用について検討する。本稿では, 衝突点と入射の偏光方向を推定する2つのモデルを提案する。
参考スコア（独自算出の注目度）: 2.596735181317628
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate the use of deep learning in the context of X-ray polarization detection from astrophysical sources as will be observed by the Imaging X-ray Polarimetry Explorer (IXPE), a future NASA selected space-based mission expected to be operative in 2021. In particular, we propose two models that can be used to estimate the impact point as well as the polarization direction of the incoming radiation. The results obtained show that data-driven approaches depict a promising alternative to the existing analytical approaches. We also discuss problems and challenges to be addressed in the near future.
Abstract（参考訳）: 今後2021年に運用される予定のNASAが選択した宇宙探査ミッションである画像X線偏光観測装置 (IXPE) で観測される天体物理源からのX線偏光検出の文脈における深層学習の利用について検討する。特に,衝突点と入射光の偏光方向を推定するために使用できる2つのモデルを提案する。その結果,データ駆動型アプローチは,既存の分析手法に代わる有望な手法であることが示された。また、近い将来に解決すべき課題や課題についても論じる。

関連論文リスト

Multimodal Learning and Cognitive Processes in Radiology: MedGaze for Chest X-ray Scanpath Prediction [10.388541520456714]
提案システムは,放射線学報告やCXR画像から視線シーケンスを予測することを目的としている。本モデルでは, 医用スキャンパス予測において重要な固定座標と期間を予測し, コンピュータビジョンコミュニティにおける既存モデルよりも優れていた。放射線学者の評価に基づいて、MedGazeは関連する領域に焦点をあてたヒトのような視線配列を生成することができる。
論文参考訳（メタデータ） (2024-06-28T06:38:58Z)
Bayesian Imaging for Radio Interferometry with Score-Based Priors [36.136619420474766]
提案手法は, 未特定銀河であるにもかかわらず, 可塑性後部試料を作製することを示す。提案手法は既存の電波干渉画像アルゴリズムと競合する結果が得られることを示す。
論文参考訳（メタデータ） (2023-11-29T19:01:05Z)
Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文参考訳（メタデータ） (2022-06-06T18:00:07Z)
SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文参考訳（メタデータ） (2021-11-26T13:47:34Z)
Spatial machine-learning model diagnostics: a model-agnostic distance-based approach [91.62936410696409]
本研究は,空間予測誤差プロファイル (SPEP) と空間変数重要度プロファイル (SVIP) を,新しいモデルに依存しない評価・解釈ツールとして提案する。統計学的手法、線形モデル、ランダムフォレスト、ハイブリッドアルゴリズムのSPEPとSVIPは、顕著な差異と関連する類似性を示している。この新しい診断ツールは空間データ科学のツールキットを充実させ、MLモデルの解釈、選択、設計を改善する可能性がある。
論文参考訳（メタデータ） (2021-11-13T01:50:36Z)
A deep ensemble approach to X-ray polarimetry [0.0]
画像偏光計を用いたX線テレスコープの感度を最大化するための最新の深層学習法を提案する。トラック再構成アルゴリズムにおいて、偏波信号-雑音比(SNR)を最大化するための最適事象重み付けを導出し、適用する。
論文参考訳（メタデータ） (2021-11-04T17:49:45Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation [55.00308939833555]
PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。 PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。 PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
論文参考訳（メタデータ） (2021-06-13T11:10:02Z)
Creation and Validation of a Chest X-Ray Dataset with Eye-tracking and Report Dictation for AI Development [47.1152650685625]
我々は、人工知能の研究者を支援するために、チェストX線(CXR)画像の豊富なデータセットを開発した。データはアイトラッキングシステムを用いて収集され、放射線学者は1,083 CXR画像でレビューし報告した。
論文参考訳（メタデータ） (2020-09-15T23:12:49Z)
Deep Ensemble Analysis for Imaging X-ray Polarimetry [0.0]
画像偏光計を用いたX線テレスコープの感度向上手法を提案する。我々は,1-9keVイベントトラックの光電子方向,X線吸収点,X線エネルギーを解析した。実GPD検出器のサンプルデータを用いて本手法の有効性を確認した。
論文参考訳（メタデータ） (2020-07-08T00:10:15Z)

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。