論文の概要: Provably Convergent Learned Inexact Descent Algorithm for Low-Dose CT Reconstruction

• arxiv url: http://arxiv.org/abs/2104.12939v1
• Date: Tue, 27 Apr 2021 02:02:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-28 23:13:28.567995
• Title: Provably Convergent Learned Inexact Descent Algorithm for Low-Dose CT Reconstruction
• Title（参考訳）: 低用量CT再構成のための確率的収束学習非接触蛍光アルゴリズム
• Authors: Qingchao Zhang, Mehrdad Alvandipour, Wenjun Xia, Yi Zhang, Xiaojing Ye and Yunmei Chen
• Abstract要約: 低線量CT (LDCT) 再構成のための, ELDA (Efficient Learned Descent Algorithm) と呼ばれる, 精度よく収束する手法を提案する。 ELDAは、学習パラメータを持つ高度に解釈可能なニューラルネットワークアーキテクチャであり、古典的な最適化アルゴリズムとして収束保証を維持している。 数値実験では,19層以上のELDAを用いた再構成品質の向上が実証され,ELDAの性能が期待できる。
• 参考スコア（独自算出の注目度）: 7.743799629333771
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a provably convergent method, called Efficient Learned Descent Algorithm (ELDA), for low-dose CT (LDCT) reconstruction. ELDA is a highly interpretable neural network architecture with learned parameters and meanwhile retains convergence guarantee as classical optimization algorithms. To improve reconstruction quality, the proposed ELDA also employs a new non-local feature mapping and an associated regularizer. We compare ELDA with several state-of-the-art deep image methods, such as RED-CNN and Learned Primal-Dual, on a set of LDCT reconstruction problems. Numerical experiments demonstrate improvement of reconstruction quality using ELDA with merely 19 layers, suggesting the promising performance of ELDA in solution accuracy and parameter efficiency.
• Abstract（参考訳）: 本稿では,低線量CT (LDCT) 再構成のための,ELDA (Efficient Learned Descent Algorithm) と呼ばれる能動的収束法を提案する。 ELDAは、学習パラメータを持つ高度に解釈可能なニューラルネットワークアーキテクチャであり、一方、古典的な最適化アルゴリズムとして収束保証を維持している。 再建品質を向上させるため,提案するELDAでは,新しい非局所特徴マッピングと関連する正規化器も採用している。 ELDAとRED-CNNやLearred Primal-Dualといった最先端の深層画像法を比較し,LDCT再構成問題について検討した。 数値実験により, ELDAの再現性は19層で改善され, ELDAの解精度, パラメータ効率が向上することが示唆された。

関連論文リスト

• A Low-dose CT Reconstruction Network Based on TV-regularized OSEM Algorithm [10.204918070701211]
  低用量CT(LDCT)は人体に対する潜在的な害を軽減する上で大きな利点がある。 予測 (EM) アルゴリズムを用いることで, LDCT の再構成精度を向上させるために, 統計的先行値と人工先行値を組み合わせることができる。 本稿では,EMアルゴリズムのM'-stepにTV正規化を組み込むことにより,効果的かつ効率的な正規化を実現することを提案する。
  論文  参考訳（メタデータ） (2024-08-25T13:31:53Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Local-Selective Feature Distillation for Single Image Super-Resolution [42.83228585332463]
  単一画像超解像(SISR)に適した新しい特徴蒸留法(FD)を提案する。 本稿では, SISRタスクに苦しむ既存のFitNetベースのFD手法の限界を示すとともに, ローカルな特徴情報に焦点を合わせるために既存のFDアルゴリズムを変更することを提案する。 提案手法をLSFDと呼び,従来のFD法よりもSISR法の方が優れていることを確認した。
  論文  参考訳（メタデータ） (2021-11-22T05:05:37Z)
• Improving Novelty Detection using the Reconstructions of Nearest Neighbours [0.0]
  自動エンコーダ (AE) の潜伏空間に近接する近傍での使用は, 半教師付きノベルティ検出の性能を著しく向上させることを示した。 提案手法は, 近接する近傍の復元と, 入力の潜時表現の潜時距離の組合せを利用する。
  論文  参考訳（メタデータ） (2021-11-11T11:09:44Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• A computationally efficient reconstruction algorithm for circular cone-beam computed tomography using shallow neural networks [0.0]
  本稿では,ニューラルネットワークFeldkamp-Davis-Kress (NN-FDK)アルゴリズムを提案する。 FDKアルゴリズムに機械学習コンポーネントを追加し、計算効率を維持しながら再構成精度を向上させる。 NN-FDKネットワークのトレーニング時間は、考慮されたディープニューラルネットワークよりも桁違いに低く、再構成精度はわずかに低下している。
  論文  参考訳（メタデータ） (2020-10-01T14:10:23Z)
• AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
  一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。 前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。 本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-17T13:22:01Z)
• Iterative Network for Image Super-Resolution [69.07361550998318]
  単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。 本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。 反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
  論文  参考訳（メタデータ） (2020-05-20T11:11:47Z)

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。