論文の概要: SPECT Angle Interpolation Based on Deep Learning Methodologies

• arxiv url: http://arxiv.org/abs/2108.03890v1
• Date: Mon, 9 Aug 2021 09:19:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 23:55:36.866531
• Title: SPECT Angle Interpolation Based on Deep Learning Methodologies
• Title（参考訳）: 深層学習手法に基づく分光角補間
• Authors: Charalambos Chrysostomou, Loizos Koutsantonis, Christos Lemesios, Costas N. Papanicolas
• Abstract要約: 深層学習手法に基づく新しいSPECTアングル法を提案する。 提案したモデルのトレーニングには,ソフトウェアファントムからの投影データを使用した。 本手法の有効性を評価するため, 各種ノイズレベルを付加したシェップローガンに基づくファントムを用いた。 得られた補間されたシングラムは、順序付きサブセット期待最大化(OSEM)を用いて再構成され、元のシングラムの再構成と比較される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A novel method for SPECT angle interpolation based on deep learning methodologies is presented. Projection data from software phantoms were used to train the proposed model. For evaluation of the efficacy of the method, phantoms based on Shepp Logan, with various noise levels added were used, and the resulting interpolated sinograms are reconstructed using Ordered Subset Expectation Maximization (OSEM) and compared to the reconstructions of the original sinograms. The proposed method can quadruple the projections, and denoise the original sinogram, in the same process. As the results show, the proposed model significantly improves the reconstruction accuracy. Finally, to demonstrate the efficacy and capability of the proposed method results from real-world DAT-SPECT sinograms are presented.
• Abstract（参考訳）: 深層学習手法に基づく新しいSPECT角補間法を提案する。 提案したモデルのトレーニングには,ソフトウェアファントムからの投影データを使用した。 提案手法の有効性を評価するため, 各種ノイズレベルを付加したシェップローガンに基づくファントムを用い, 補間したシングラムを順序付きサブセット予測最大化(OSEM)を用いて再構成し, 元のシングラムの再構成と比較した。 提案手法はプロジェクションを4倍にし、同じプロセスで元のシノグラムをデノナイズすることができる。 結果が示すように,提案モデルは復元精度を大幅に向上させる。 最後に,実世界のDAT-SPECTシングラムを用いて提案手法の有効性と性能を示す。

関連論文リスト

• Supervised Score-Based Modeling by Gradient Boosting [49.556736252628745]
  本稿では,スコアマッチングを組み合わせた勾配向上アルゴリズムとして,SSM(Supervised Score-based Model)を提案する。 推測時間と予測精度のバランスをとるため,SSMの学習とサンプリングに関する理論的解析を行った。 我々のモデルは、精度と推測時間の両方で既存のモデルより優れています。
  論文  参考訳（メタデータ） (2024-11-02T07:06:53Z)
• Gradient-Free Supervised Learning using Spike-Timing-Dependent Plasticity for Image Recognition [3.087000217989688]
  スパイキングニューラルネットワークにおける教師あり学習へのアプローチは、画像認識のためのスパイクタイピング依存の可塑性と組み合わせて、勾配のない手法を用いて提示される。 提案するネットワークアーキテクチャは、複数の層にスケーラブルであり、より複雑で深いSNNモデルの開発を可能にする。
  論文  参考訳（メタデータ） (2024-10-21T21:32:17Z)
• Deep Learning Computed Tomography based on the Defrise and Clack Algorithm [4.137125610532773]
  本研究では、既知の演算子学習を用いて、特定の軌道に対するコーンビーム計算トモグラフィー(CBCT)を再構成する新しい手法を提案する。 従来の手法とは異なり、この手法では独自の適応フィルタリングプロセスを統合するフィルタバックプロジェクション型(FBP型)アルゴリズムを採用している。 このフィルタは、特定の軌道幾何学のために設計され、深層学習に基づくデータ駆動型アプローチを用いて得られる。
  論文  参考訳（メタデータ） (2024-03-01T10:24:04Z)
• Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
  モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。 この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
  論文  参考訳（メタデータ） (2023-07-06T15:19:53Z)
• Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
  微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。 勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
  論文  参考訳（メタデータ） (2022-07-12T16:08:04Z)
• Model-Based Deep Learning: On the Intersection of Deep Learning and Optimization [101.32332941117271]
  決定アルゴリズムは様々なアプリケーションで使われている。 数理モデルに頼らずにデータから調整された高度パラメトリックアーキテクチャを使用するディープラーニングアプローチが、ますます人気が高まっている。 モデルに基づく最適化とデータ中心のディープラーニングは、しばしば異なる規律とみなされる。
  論文  参考訳（メタデータ） (2022-05-05T13:40:08Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• A Data-Driven Reconstruction Technique based on Newton's Method for Emission Tomography [1.2209547858269227]
  DNR-NetはSPECTファントムシミュレーションのデータを用いて高品質な画像再構成を行うことができる。 DNR-Netは、高コントラストと低ノイズを特徴とするOSEMに匹敵する再構成を生成する。
  論文  参考訳（メタデータ） (2021-10-19T14:54:34Z)
• Sinogram Denoise Based on Generative Adversarial Networks [0.0]
  SPECT画像の領域におけるGAN(Generative Adversarial Networks)に基づくシングラムデノイズの新しい手法を提案する。 その結果, ノイズ予測最大化法 (OSEM) を用いて, ノイズ予測値の再構成を行い, 元のノイズ予測値の再構成と比較した。
  論文  参考訳（メタデータ） (2021-08-09T09:37:51Z)
• Enhancing Deep Neural Network Saliency Visualizations with Gradual Extrapolation [0.0]
  Grad-CAMやExcit Backpropagationのようなクラスアクティベーションマッピング手法の拡張手法を提案する。 我々のアイデアはGradual Extrapolationと呼ばれ、出力をシャープすることでヒートマップ画像を生成するメソッドを補うことができる。
  論文  参考訳（メタデータ） (2021-04-11T07:39:35Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。