論文の概要: Approximating the Ideal Observer for joint signal detection and
localization tasks by use of supervised learning methods
- arxiv url: http://arxiv.org/abs/2006.00112v2
- Date: Wed, 15 Jul 2020 02:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 22:36:30.648408
- Title: Approximating the Ideal Observer for joint signal detection and
localization tasks by use of supervised learning methods
- Title（参考訳）: 教師付き学習法を用いた共同信号検出と局所化タスクのための理想的観測者近似
- Authors: Weimin Zhou, Hua Li, Mark A. Anastasio
- Abstract要約: 画像品質(IQ)の客観的指標を用いて、医用画像システムの評価と最適化が一般的である
理想オブザーバ(IO)のパフォーマンスは、画像システムの評価と最適化に使用するためのメリットの図式を提供することが提唱されている。
本稿では,共同信号検出および局所化タスクにおいて,IOを近似する教師あり学習手法を提案する。
- 参考スコア（独自算出の注目度）: 15.226790614827193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical imaging systems are commonly assessed and optimized by use of
objective measures of image quality (IQ). The Ideal Observer (IO) performance
has been advocated to provide a figure-of-merit for use in assessing and
optimizing imaging systems because the IO sets an upper performance limit among
all observers. When joint signal detection and localization tasks are
considered, the IO that employs a modified generalized likelihood ratio test
maximizes observer performance as characterized by the localization receiver
operating characteristic (LROC) curve. Computations of likelihood ratios are
analytically intractable in the majority of cases. Therefore, sampling-based
methods that employ Markov-Chain Monte Carlo (MCMC) techniques have been
developed to approximate the likelihood ratios. However, the applications of
MCMC methods have been limited to relatively simple object models. Supervised
learning-based methods that employ convolutional neural networks have been
recently developed to approximate the IO for binary signal detection tasks. In
this paper, the ability of supervised learning-based methods to approximate the
IO for joint signal detection and localization tasks is explored. Both
background-known-exactly and background-known-statistically signal detection
and localization tasks are considered. The considered object models include a
lumpy object model and a clustered lumpy model, and the considered measurement
noise models include Laplacian noise, Gaussian noise, and mixed
Poisson-Gaussian noise. The LROC curves produced by the supervised
learning-based method are compared to those produced by the MCMC approach or
analytical computation when feasible. The potential utility of the proposed
method for computing objective measures of IQ for optimizing imaging system
performance is explored.
- Abstract（参考訳）: 医用画像システムは、画像品質客観的指標(iq)を用いて評価・最適化されることが多い。
イデアル・オブザーバ(io)のパフォーマンスは、イデアル・オブ・メリートが全てのオブザーバにおいて高い性能限界を設定するため、撮像システムの評価と最適化に使用されるように推奨されている。
共同信号検出および局所化タスクを考慮すると、修正された一般化確率比テストを用いたIOは、ローカライズ受信動作特性(LROC)曲線を特徴とするオブザーバ性能を最大化する。
可能性比の計算は、ほとんどの場合分析的に難解である。
そのため,マルコフ・チェイン・モンテカルロ法(MCMC)を用いたサンプリング法が開発され,確率比が近似された。
しかし、MCMC法の応用は比較的単純な対象モデルに限られている。
畳み込みニューラルネットワークを用いた教師付き学習に基づく手法が,バイナリ信号検出タスクのioを近似するために近年開発されている。
本稿では,共同信号検出と局所化タスクのためのioを近似する教師付き学習に基づく手法について検討する。
背景の既知および背景の既知の信号検出と局所化のタスクが考慮される。
対象モデルとしては、塊状物体モデルと群状塊状モデルがあり、観測ノイズモデルとしてはラプラシアンノイズ、ガウスノイズ、ポアソン・ガウシアンノイズが考えられる。
教師付き学習法により生成されたLROC曲線は,MCMC法や解析計算によって生成された曲線と比較できる。
画像システム性能を最適化するためのIQの客観的測度を計算するための提案手法の有用性について検討した。
関連論文リスト
- Optimization of Iterative Blind Detection based on Expectation Maximization and Belief Propagation [29.114100423416204]
ブロックフェーディング線形シンボルチャネルに対するブラインドシンボル検出法を提案する。
本研究では,研究予測アルゴリズムとユビキタスな信条伝搬アルゴリズムを組み合わせた共同チャネル推定・検出手法を設計する。
提案手法は,効率よく一般化したスケジュールを学習し,高信号対雑音シナリオにおけるコヒーレントBP検出よりも優れることを示す。
論文 参考訳（メタデータ） (2024-08-05T08:45:50Z) - A novel integrated method of detection-grasping for specific object
based on the box coordinate matching [24.954921282245387]
本論文では,ボックス座標マッチングに基づく特定対象に対する新たな検出グラスピング手法を提案する。
オブジェクト検出とグリップ推定を別々に行い、改良されたモデルの優越性を検証した。
論文 参考訳（メタデータ） (2023-07-20T12:23:12Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - Ideal Observer Computation by Use of Markov-Chain Monte Carlo with
Generative Adversarial Networks [12.521662223741671]
Ideal Observer (IO) は、医療画像システムの評価と最適化のためのFinder-of-merit (FOM) としての使用を提唱されている。
マルコフ・チェイン・モンテカルロ法(MCMC)を用いたサンプリング法が提案されている。
本研究では, MCMC-GAN と呼ばれる, GAN ベースの SOM を用いた新しい MCMC 手法について述べる。
論文 参考訳（メタデータ） (2023-04-02T02:51:50Z) - GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP,
and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。
本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。
低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文 参考訳（メタデータ） (2022-11-03T16:42:40Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Continual Learning with Fully Probabilistic Models [70.3497683558609]
機械学習の完全確率的(または生成的)モデルに基づく継続的学習のアプローチを提案する。
生成器と分類器の両方に対してガウス混合モデル(GMM)インスタンスを用いた擬似リハーサル手法を提案する。
我々は,GMRが,クラス増分学習問題に対して,非常に競合的な時間とメモリの複雑さで,最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2021-04-19T12:26:26Z) - DEALIO: Data-Efficient Adversarial Learning for Imitation from
Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。
近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。
この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。
よりデータ効率の高いifOアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-31T23:46:32Z) - A Transfer Learning Framework for Anomaly Detection Using Model of
Normality [2.9685635948299995]
畳み込みニューラルネットワーク(CNN)技術は、画像ベースの異常検出アプリケーションにおいて非常に有用であることが証明されている。
モデル・オブ・ノーマル性(MoN)を用いた類似度尺度に基づく異常検出のための伝達学習フレームワークを提案する。
提案したしきい値設定により,大幅な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-11-12T05:26:32Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Markov-Chain Monte Carlo Approximation of the Ideal Observer using
Generative Adversarial Networks [14.792685152780795]
医用イメージングシステムを信号検出タスクに最適化する際には,Ideal Observer (IO) の性能が提唱されている。
IOテスト統計を近似するため,マルコフ・チェイン・モンテカルロ法(MCMC)を用いたサンプリング法が開発されている。
GAN(Generative Adversarial Network)を用いたディープラーニング手法は、画像データからオブジェクトモデルを学ぶことを大いに約束する。
論文 参考訳（メタデータ） (2020-01-26T21:51:08Z)
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。