論文の概要: Improved Supervised Training of Physics-Guided Deep Learning Image Reconstruction with Multi-Masking

• arxiv url: http://arxiv.org/abs/2010.13868v1
• Date: Mon, 26 Oct 2020 19:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 18:46:52.626397
• Title: Improved Supervised Training of Physics-Guided Deep Learning Image Reconstruction with Multi-Masking
• Title（参考訳）: マルチタスクによる物理誘導深層学習画像再構成の指導改善
• Authors: Burhaneddin Yaman, Seyed Amir Hossein Hosseini, Steen Moeller and Mehmet Ak\c{c}akaya
• Abstract要約: 提案したマルチマスク型PG-DLは,従来のPG-DL手法と比較して再構成性能を向上させる。 膝関節MRIでは,従来のPG-DL法と比較して,複数マスクのPG-DLによる再建性能が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 3.441021278275805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physics-guided deep learning (PG-DL) via algorithm unrolling has received significant interest for improved image reconstruction, including MRI applications. These methods unroll an iterative optimization algorithm into a series of regularizer and data consistency units. The unrolled networks are typically trained end-to-end using a supervised approach. Current supervised PG-DL approaches use all of the available sub-sampled measurements in their data consistency units. Thus, the network learns to fit the rest of the measurements. In this study, we propose to improve the performance and robustness of supervised training by utilizing randomness by retrospectively selecting only a subset of all the available measurements for data consistency units. The process is repeated multiple times using different random masks during training for further enhancement. Results on knee MRI show that the proposed multi-mask supervised PG-DL enhances reconstruction performance compared to conventional supervised PG-DL approaches.
• Abstract（参考訳）: 物理誘導型ディープラーニング(PG-DL)はMRIを含む画像再構成の改善に多大な関心を集めている。 これらの手法は反復最適化アルゴリズムを一連の正規化器とデータ一貫性ユニットに展開する。 アンロールネットワークは通常、教師付きアプローチを使用してエンドツーエンドにトレーニングされる。 現在のPG-DLアプローチでは、データ一貫性ユニットで利用可能なすべてのサブサンプル計測を使用する。 したがって、ネットワークは残りの測定値に適合することを学ぶ。 本研究では,データ整合性ユニットのすべての測定値のサブセットのみを遡って選択することで,ランダム性を利用して教師付きトレーニングの性能と堅牢性を向上させることを提案する。 このプロセスはトレーニング中に異なるランダムマスクを使用して何度も繰り返され、さらに強化される。 膝関節MRIでは,従来のPG-DL法と比較して,複数マスクのPG-DLによる再建性能の向上が認められた。

関連論文リスト

• Multi-frequency Electrical Impedance Tomography Reconstruction with Multi-Branch Attention Image Prior [12.844329463661857]
  多周波電気インピーダンストモグラフィ(mfEIT)は有望なバイオメディカルイメージング技術である。 現在の最先端(SOTA)アルゴリズムは、教師付き学習と多元計測ベクトル(MMV)に依存しており、広範なトレーニングデータを必要とする。 我々は,mfEIT再構成のためのマルチブランチ注意画像優先(MAIP)に基づく新しい教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-17T00:06:03Z)
• Denoising Pre-Training and Customized Prompt Learning for Efficient Multi-Behavior Sequential Recommendation [69.60321475454843]
  マルチビヘイビアシークエンシャルレコメンデーションに適した,最初の事前学習および迅速な学習パラダイムであるDPCPLを提案する。 事前学習段階において,複数の時間スケールでノイズを除去する新しい行動マイナ (EBM) を提案する。 次に,提案するCustomized Prompt Learning (CPL)モジュールを用いて,事前学習したモデルを高効率にチューニングすることを提案する。
  論文  参考訳（メタデータ） (2024-08-21T06:48:38Z)
• BADM: Batch ADMM for Deep Learning [35.39258144247444]
  勾配降下に基づくアルゴリズムはディープニューラルネットワークのトレーニングに広く用いられているが、しばしば収束が遅い。 我々は、乗算器の交互方向法(ADMM)の枠組みを利用して、バッチADMM(Batch ADMM)と呼ばれる新しいデータ駆動アルゴリズムを開発する。 我々は,グラフモデリング,コンピュータビジョン,画像生成,自然言語処理など,さまざまなディープラーニングタスクにおけるBADMの性能を評価する。
  論文  参考訳（メタデータ） (2024-06-30T20:47:15Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• Stochastic Unrolled Federated Learning [85.6993263983062]
  本稿では,UnRolled Federated Learning (SURF)を導入する。 提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
  論文  参考訳（メタデータ） (2023-05-24T17:26:22Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• An Optimal Control Framework for Joint-channel Parallel MRI Reconstruction without Coil Sensitivities [5.536263246814308]
  離散時間最適制御フレームワークを組み込んだ新しいキャリブレーションフリー高速並列MRI (pMRI) 再構成法を開発した。 本稿では,画像空間とフーリエ空間における構造化マルチプレイヤー畳み込みネットワークを利用して,大きさ情報と位相情報を両立させることを提案する。
  論文  参考訳（メタデータ） (2021-09-20T06:42:42Z)
• An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
  カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。 正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-06T02:27:55Z)
• Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth [51.40441097625201]
  疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。 提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
  論文  参考訳（メタデータ） (2020-10-29T06:32:53Z)
• Gradient Monitored Reinforcement Learning [0.0]
  我々は、強化学習アルゴリズムにおける訓練の強化と評価性能に焦点をあてる。 本稿では,トレーニングプロセス自体からの動的発達とフィードバックに基づいて,ニューラルネットワークの重みパラメータの学習をステアリングする手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T13:45:47Z)

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。