論文の概要: Weight Encode Reconstruction Network for Computed Tomography in a
Semi-Case-Wise and Learning-Based Way
- arxiv url: http://arxiv.org/abs/2010.00893v1
- Date: Fri, 2 Oct 2020 09:46:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 01:25:05.138920
- Title: Weight Encode Reconstruction Network for Computed Tomography in a
Semi-Case-Wise and Learning-Based Way
- Title(参考訳): 半ケースワイズおよび学習に基づくctのためのウェイトエンコード再構成ネットワーク
- Authors: Hujie Pan, Xuesong Li, Min Xu
- Abstract要約: 本稿では,上述の問題に対処するため,Weight Encode Reconstruction Network (WERNet) という半ケース単位の学習手法を提案する。
モデルは、ボクセルセットのラベルなしで自己教師された方法で訓練される。
WERNetでは、再構成された結果は、基底真理と0.999以上のコサイン類似性で得られた。
- 参考スコア(独自算出の注目度): 7.12296615494658
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classic algebraic reconstruction technology (ART) for computed tomography
requires pre-determined weights of the voxels for projecting pixel values.
However, such weight cannot be accurately obtained due to the limitation of the
physical understanding and computation resources. In this study, we propose a
semi-case-wise learning-based method named Weight Encode Reconstruction Network
(WERNet) to tackle the issues mentioned above. The model is trained in a
self-supervised manner without the label of a voxel set. It contains two
branches, including the voxel weight encoder and the voxel attention part.
Using gradient normalization, we are able to co-train the encoder and voxel set
numerically stably. With WERNet, the reconstructed result was obtained with a
cosine similarity greater than 0.999 with the ground truth. Moreover, the model
shows the extraordinary capability of denoising comparing to the classic ART
method. In the generalization test of the model, the encoder is transferable
from a voxel set with complex structure to the unseen cases without the
deduction of the accuracy.
- Abstract(参考訳): 計算トモグラフィーのための古典的代数的再構成技術(ART)は、画素値の投影のためにボクセルの事前決定された重みを必要とする。
しかし、物理的な理解と計算資源の制限のため、そのような重量は正確には得られない。
本研究では,上述の問題に対処するため,Weight Encode Reconstruction Network (WERNet) という半ケースワイズ学習方式を提案する。
モデルは、ボクセル集合のラベルを付けずに、自己監督で訓練される。
ボクセル重みエンコーダとボクセル注意部とを含む2つの枝を含む。
勾配正規化を用いてエンコーダとボクセルセットを数値的に安定的にコトレーニングすることができる。
wernet では、再構成の結果は 0.999 以上のコサイン類似性と基底真理で得られた。
さらに, 従来のART法と比較した場合, 従来のART法と比較すると, 異常なノイズ発生能力を示す。
モデルの一般化テストでは、エンコーダは複雑な構造を持つボクセル集合から、精度の推論なしに、見えないケースへ転送可能である。
関連論文リスト
- Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳(メタデータ) (2023-10-11T12:46:11Z) - Zero-Level-Set Encoder for Neural Distance Fields [10.269224726391807]
本稿では,1つの前方パスに3次元形状を埋め込む新しいエンコーダデコーダニューラルネットワークを提案する。
ネットワークはアイコン方程式を解くために訓練されており、訓練と推論のためにゼロレベル集合の知識しか必要としない。
論文 参考訳(メタデータ) (2023-10-10T14:07:37Z) - Quantization of Deep Neural Networks to facilitate self-correction of
weights on Phase Change Memory-based analog hardware [0.0]
乗法重みの集合を近似するアルゴリズムを開発する。
これらの重みは、性能の損失を最小限に抑えながら、元のネットワークの重みを表現することを目的としている。
その結果、オンチップパルス発生器と組み合わせると、私たちの自己補正ニューラルネットワークはアナログ認識アルゴリズムで訓練されたものと同等に機能することがわかった。
論文 参考訳(メタデータ) (2023-09-30T10:47:25Z) - Binarized Spectral Compressive Imaging [59.18636040850608]
ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。
本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。
BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
論文 参考訳(メタデータ) (2023-05-17T15:36:08Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-04-14T19:46:39Z) - Denoising Masked AutoEncoders are Certifiable Robust Vision Learners [37.04863068273281]
DMAE(Denoising Masked AutoEncoders)と呼ばれる自己教師型手法を提案する。
DMAEは各ピクセル値にガウスノイズを加え、複数のパッチをランダムにマスキングすることで、各イメージを劣化させる。
その後、Transformerベースのエンコーダデコーダモデルをトレーニングして、オリジナルのイメージを破損したイメージから再構築する。
論文 参考訳(メタデータ) (2022-10-10T12:37:59Z) - Adaptive Convolutional Dictionary Network for CT Metal Artifact
Reduction [62.691996239590125]
本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。
我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。
本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
論文 参考訳(メタデータ) (2022-05-16T06:49:36Z) - Content-aware Warping for View Synthesis [110.54435867693203]
本稿では,比較的大きな近傍の画素の重みを,軽量ニューラルネットワークによる文脈情報から適応的に学習するコンテンツ認識ワープを提案する。
この学習可能なワープモジュールに基づいて、2つのソースビューから新しいビューを合成するエンド・ツー・エンドの学習ベースのフレームワークを提案する。
広いベースラインと非構造的多視点データセットを有する構造的光フィールドデータセットの実験結果から,提案手法は,定量的かつ視覚的に,最先端の手法を著しく上回ることを示した。
論文 参考訳(メタデータ) (2022-01-22T11:35:05Z) - Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。
本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-09-18T00:21:17Z) - Quantized Proximal Averaging Network for Analysis Sparse Coding [23.080395291046408]
反復アルゴリズムをトレーニング可能なネットワークに展開し,量子化前にスパーシティの学習を容易にする。
圧縮画像回復と磁気共鳴画像再構成への応用を実証する。
論文 参考訳(メタデータ) (2021-05-13T12:05:35Z)
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。