論文の概要: Accelerated FBP for computed tomography image reconstruction
- arxiv url: http://arxiv.org/abs/2007.06289v1
- Date: Mon, 13 Jul 2020 10:16:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 00:34:48.052982
- Title: Accelerated FBP for computed tomography image reconstruction
- Title(参考訳): CT画像再構成のための高速化FBP
- Authors: Anastasiya Dolmatova, Marina Chukalina and Dmitry Nikolaev
- Abstract要約: フィルタバックプロジェクション (FBP) は, 許容品質を示す断層画像再構成において一般的に用いられる手法である。
本稿では,アルゴリズムの計算複雑性を$Theta(N2log N)$に減らし,フーリエ空間を回避した加算演算を提案する。
- 参考スコア(独自算出の注目度): 1.0266928164137636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Filtered back projection (FBP) is a commonly used technique in tomographic
image reconstruction demonstrating acceptable quality. The classical direct
implementations of this algorithm require the execution of $\Theta(N^3)$
operations, where $N$ is the linear size of the 2D slice. Recent approaches
including reconstruction via the Fourier slice theorem require $\Theta(N^2\log
N)$ multiplication operations. In this paper, we propose a novel approach that
reduces the computational complexity of the algorithm to $\Theta(N^2\log N)$
addition operations avoiding Fourier space. For speeding up the convolution,
ramp filter is approximated by a pair of causal and anticausal recursive
filters, also known as Infinite Impulse Response filters. The back projection
is performed with the fast discrete Hough transform. Experimental results on
simulated data demonstrate the efficiency of the proposed approach.
- Abstract(参考訳): フィルタバックプロジェクション (FBP) は, 許容品質を示す断層画像再構成において一般的に用いられる手法である。
このアルゴリズムの古典的な直接実装では、$\theta(n^3)$演算の実行が必要であり、ここで$n$は2dスライスの線形サイズである。
フーリエスライス定理による再構成を含む最近の手法は、$\Theta(N^2\log N)$乗算演算を必要とする。
本稿では,アルゴリズムの計算複雑性を$\Theta(N^2\log N)$に減らし,フーリエ空間を回避した加算演算を提案する。
畳み込みを高速化するために、ランプフィルタは1対の因果的および反因果的再帰的フィルタ(Infinite Impulse Response filter)によって近似される。
バックプロジェクションは高速離散ハフ変換によって実行される。
シミュレーションデータによる実験結果から,提案手法の有効性が示された。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Filter Pruning for Efficient CNNs via Knowledge-driven Differential
Filter Sampler [103.97487121678276]
フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。
本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
論文 参考訳(メタデータ) (2023-07-01T02:28:41Z) - A Constrained BA Algorithm for Rate-Distortion and Distortion-Rate
Functions [13.570794979535934]
速度歪み関数に対するBlahut-Arimoto (BA)アルゴリズムの修正
修正アルゴリズムは、与えられた対象歪みに対してRD関数を直接計算する。
論文 参考訳(メタデータ) (2023-05-04T08:41:03Z) - Projection-free Adaptive Regret with Membership Oracles [31.422532403048738]
ほとんどの反復アルゴリズムは凸集合への射影の計算を必要とし、計算コストがかかる。
GK22による最近の研究は、フランク・ウルフのアプローチに基づく射影自由アルゴリズムによる準線形適応的後悔の保証を与えた。
我々はMhammedi22にインスパイアされた異なる手法に基づくプロジェクションフリーなアルゴリズムを提案し、プロジェクションをセットメンバーシップ計算で置き換える。
論文 参考訳(メタデータ) (2022-11-22T23:53:06Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳(メタデータ) (2022-07-09T09:14:12Z) - Reverse image filtering using total derivative approximation and
accelerated gradient descent [82.93345261434943]
線形あるいは非線形な画像フィルタの効果を逆転する新たな問題に対処する。
この仮定では、フィルタのアルゴリズムは未知であり、フィルタはブラックボックスとして利用できる。
この逆問題を、局所的なパッチベースのコスト関数の最小化として定式化し、全導関数を用いて勾配勾配の勾配を近似し、問題を解く。
論文 参考訳(メタデータ) (2021-12-08T05:16:11Z) - FC2T2: The Fast Continuous Convolutional Taylor Transform with
Applications in Vision and Graphics [8.629912408966145]
現代の機械学習の観点から、Taylorシリーズの拡張を再考する。
連続空間における低次元畳み込み作用素の効率的な近似を可能にする高速多重極法(FMM)の変種である高速連続畳み込みテイラー変換(FC2T2)を導入する。
論文 参考訳(メタデータ) (2021-10-29T22:58:42Z) - Reusing Combinatorial Structure: Faster Iterative Projections over
Submodular Base Polytopes [7.734726150561089]
離散的視点と連続的な視点の両方を用いて投影の計算を高速化するツールキットを開発した。
基数に基づく部分モジュラーポリトープの特別の場合、あるブレグマン射影の計算ランタイムを$Omega(n/log(n))$の係数で改善する。
論文 参考訳(メタデータ) (2021-06-22T17:29:24Z) - Randomized Exploration for Reinforcement Learning with General Value
Function Approximation [122.70803181751135]
本稿では,ランダム化最小二乗値反復(RLSVI)アルゴリズムに着想を得たモデルレス強化学習アルゴリズムを提案する。
提案アルゴリズムは,スカラーノイズを用いたトレーニングデータを簡易に摂動させることにより,探索を促進する。
我々はこの理論を、既知の困難な探査課題にまたがる実証的な評価で補完する。
論文 参考訳(メタデータ) (2021-06-15T02:23:07Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z)
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。