論文の概要: Is Perfect Filtering Enough Leading to Perfect Phase Correction for dMRI data?

• arxiv url: http://arxiv.org/abs/2106.06992v1
• Date: Sun, 13 Jun 2021 13:38:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:00:35.644925
• Title: Is Perfect Filtering Enough Leading to Perfect Phase Correction for dMRI data?
• Title（参考訳）: 完璧なフィルタリングは、dmriデータの完璧な位相補正につながるか?
• Authors: Liu Feihong, Yang Junwei, He Xiaowei, Zhou Luping, Feng Jun, Shen Dinggang
• Abstract要約: ノイズの符号記号を識別できないため, 位相補正には完全フィルタでさえ不十分である。 本稿では,ノイズサインのシンボルを簡便に識別するキャリブレーション手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Being complex-valued and low in signal-to-noise ratios, magnitude-based diffusion MRI is confounded by the noise-floor that falsely elevates signal magnitude and incurs bias to the commonly used diffusion indices, such as fractional anisotropy (FA). To avoid noise-floor, most existing phase correction methods explore improving filters to estimate the noise-free background phase. In this work, after diving into the phase correction procedures, we argue that even a perfect filter is insufficient for phase correction because the correction procedures are incapable of distinguishing sign-symbols of noise, resulting in artifacts (\textit{i.e.}, arbitrary signal loss). With this insight, we generalize the definition of noise-floor to a complex polar coordinate system and propose a calibration procedure that could conveniently distinguish noise sign symbols. The calibration procedure is conceptually simple and easy to implement without relying on any external technique while keeping distinctly effective.
• Abstract（参考訳）: 信号と雑音の比が複雑で低いため、等級に基づく拡散MRIは、信号の大きさが誤って上昇し、分数異方性(FA)のような一般的な拡散指標に偏りが生じるノイズフロアによって構築される。 従来の位相補正法ではノイズフリーな背景位相を推定するフィルタの改良が検討されている。 本研究は, 位相補正手順に飛び込んだ後, 完全フィルタでもノイズの記号記号を識別できないため, 位相補正には不十分であると主張し, 人工物(\textit{i.e)を生じる。 任意の信号損失)。 この知見により,ノイズフロアの定義を複雑な極座標系に一般化し,ノイズ記号の識別を便利に行うキャリブレーション手法を提案する。 キャリブレーション手順は概念的にはシンプルで実装が容易で、外部技術に頼らず、明確な有効性を維持している。

関連論文リスト

• Linear-optical protocols for mitigating and suppressing noise in bosonic systems [0.0]
  我々は、ボソニックノイズチャネルを緩和し、抑制するための線形光学的手法を確立する。 予測値推定における誤差を軽減するため、確率誤差キャンセルを行うことができる。 弱い中央ガウス・ガウスの脱落は、アンシラの数とともに単調に抑制忠実度が増大する。
  論文  参考訳（メタデータ） (2024-11-18T06:14:42Z)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [12.24506241611653]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• Phase Aberration Correction without Reference Data: An Adaptive Mixed Loss Deep Learning Approach [3.647138233493735]
  位相収差効果を補うために参照データを必要としない深層学習に基づく手法を提案する。 平均二乗誤差のような従来の損失関数が最適性能を達成するためにネットワークを訓練するには不十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-10T07:11:48Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor Data Fusion Method [0.0]
  本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。 アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。 我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
  論文  参考訳（メタデータ） (2020-09-07T13:24:47Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。