論文の概要: Compressed Sensing for Photoacoustic Computed Tomography Using an
Untrained Neural Network
- arxiv url: http://arxiv.org/abs/2105.14255v1
- Date: Sat, 29 May 2021 09:01:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:46:42.396390
- Title: Compressed Sensing for Photoacoustic Computed Tomography Using an
Untrained Neural Network
- Title（参考訳）: 非訓練ニューラルネットワークを用いた光音響ctのための圧縮センシング
- Authors: Hengrong Lan, Juze Zhang, Changchun Yang, and Fei Gao
- Abstract要約: 光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。
測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。
本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
- 参考スコア（独自算出の注目度）: 1.7237160821929758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photoacoustic (PA) computed tomography (PACT) shows great potentials in
various preclinical and clinical applications. A great number of measurements
are the premise that obtains a high-quality image, which implies a low imaging
rate or a high system cost. The artifacts or sidelobes could pollute the image
if we decrease the number of measured channels or limit the detected view. In
this paper, a novel compressed sensing method for PACT using an untrained
neural network is proposed, which decreases half number of the measured
channels and recoveries enough details. This method uses a neural network to
reconstruct without the requirement for any additional learning based on the
deep image prior. The model can reconstruct the image only using a few
detections with gradient descent. Our method can cooperate with other existing
regularization, and further improve the quality. In addition, we introduce a
shape prior to easily converge the model to the image. We verify the
feasibility of untrained network based compressed sensing in PA image
reconstruction, and compare this method with a conventional method using total
variation minimization. The experimental results show that our proposed method
outperforms 32.72% (SSIM) with the traditional compressed sensing method in the
same regularization. It could dramatically reduce the requirement for the
number of transducers, by sparsely sampling the raw PA data, and improve the
quality of PA image significantly.
- Abstract（参考訳）: photoacoustic (pa) ct (pact) は様々な臨床応用において大きな可能性を示している。
多くの測定結果が高品質な画像を得る前提であり、これは低撮像率や高システムコストを意味している。
測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。
本稿では、未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案し、測定されたチャネルの半分を減らし、十分な詳細を回復する。
この方法は、ニューラルネットワークを用いて、事前の深層画像に基づく追加学習を必要とせずに再構築する。
このモデルでは、勾配降下による少数の検出のみを用いて画像の再構成を行うことができる。
本手法は他の既存正規化と協調し,さらに品質を向上させることができる。
さらに,画像にモデルを簡単に収束させるために,事前の形状を導入する。
PA画像再構成における非トレーニングネットワークによる圧縮センシングの実現可能性を検証するとともに,本手法を全変動最小化を用いた従来手法と比較する。
実験の結果,提案手法は従来の圧縮センシング法と同等の正則化で32.72%(SSIM)を達成できた。
生のPAデータをわずかにサンプリングすることで、トランスデューサの数を劇的に削減し、PA画像の品質を大幅に向上させることができる。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Neural Fields for Adaptive Photoacoustic Computed Tomography [5.561325645559409]
従来のPACT画像再構成アルゴリズムは、組織内の異種音速(SOS)による波面歪みに悩まされる。
NF-APACTは、ニューラルネットワークを利用した効率的な自己教師型フレームワークであり、正確で堅牢なマルチチャネルデコンボリューションを実現するためのSOSを推定する。
本手法は,SOSの収差を既存手法よりも高速かつ高精度に除去する。
論文 参考訳（メタデータ） (2024-09-17T04:11:20Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - One Sample Diffusion Model in Projection Domain for Low-Dose CT Imaging [10.797632196651731]
低線量CTは臨床応用における放射線リスクの低減に重要な役割を担っている。
ディープラーニングの急速な開発と幅広い応用により、低線量CTイメージングアルゴリズムの開発に向けた新たな方向性がもたらされた。
低用量CT再構成のための投影領域における完全に教師なし1サンプル拡散モデル(OSDM)を提案する。
以上の結果から,OSDMはアーティファクトを低減し,画像品質を維持するための実用的で効果的なモデルであることが証明された。
論文 参考訳（メタデータ） (2022-12-07T13:39:23Z) - Compressive Ptychography using Deep Image and Generative Priors [9.658250977094562]
Ptychographyは、ナノメートルスケールでサンプルの非侵襲的なイメージングを可能にする、よく確立されたコヒーレント回折イメージング技術である。
Ptychographyの最大の制限は、サンプルの機械的スキャンによる長いデータ取得時間である。
本稿では,深部画像先行と深部画像先行とを組み合わせた生成モデルを提案する。
論文 参考訳（メタデータ） (2022-05-05T02:18:26Z) - Convolutional Neural Network to Restore Low-Dose Digital Breast
Tomosynthesis Projections in a Variance Stabilization Domain [15.149874383250236]
畳み込みニューラルネットワーク(CNN)は、低線量(LD)投影を標準的なフル線量(FD)取得と同等の画質に復元するために提案されている。
平均二乗誤差(MNSE)、正規化訓練時間、ノイズ空間相関の点で従来のデータ駆動方式と比較して、ネットワークは優れた結果を得た。
論文 参考訳（メタデータ） (2022-03-22T13:31:47Z) - Deep Learning Adapted Acceleration for Limited-view Photoacoustic
Computed Tomography [1.8830359888767887]
光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。
限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。
数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
論文 参考訳（メタデータ） (2021-11-08T02:05:58Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - Compressive sensing with un-trained neural networks: Gradient descent
finds the smoothest approximation [60.80172153614544]
訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。
トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
論文 参考訳（メタデータ） (2020-05-07T15:57:25Z)
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。