論文の概要: Deep Microlocal Reconstruction for Limited-Angle Tomography

• arxiv url: http://arxiv.org/abs/2108.05732v1
• Date: Thu, 12 Aug 2021 13:16:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-13 21:01:06.511591
• Title: Deep Microlocal Reconstruction for Limited-Angle Tomography
• Title（参考訳）: 有限角トモグラフィによる深部微小局所再構成
• Authors: H\'ector Andrade-Loarca, Gitta Kutyniok, Ozan \"Oktem, Philipp Petersen
• Abstract要約: トモグラフィー画像における再構成問題とウェーブフロントセット抽出問題を共同で解くための深層学習に基づくアルゴリズムを提案する。 このアルゴリズムは、最近開発されたデジタルウェーブフロントセット抽出器と、ラドン変換のよく知られた局所的標準関係に基づいている。
• 参考スコア（独自算出の注目度）: 1.559929646151698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a deep learning-based algorithm to jointly solve a reconstruction problem and a wavefront set extraction problem in tomographic imaging. The algorithm is based on a recently developed digital wavefront set extractor as well as the well-known microlocal canonical relation for the Radon transform. We use the wavefront set information about x-ray data to improve the reconstruction by requiring that the underlying neural networks simultaneously extract the correct ground truth wavefront set and ground truth image. As a necessary theoretical step, we identify the digital microlocal canonical relations for deep convolutional residual neural networks. We find strong numerical evidence for the effectiveness of this approach.
• Abstract（参考訳）: トモグラフィー画像における再構成問題とウェーブフロントセット抽出問題を共同で解くための深層学習に基づくアルゴリズムを提案する。 このアルゴリズムは、最近開発されたデジタルウェーブフロント集合抽出器と、ラドン変換に対するよく知られたマイクロ局所正準関係に基づいている。 我々は,x線データに関するウェーブフロント情報を用いて,基盤となるニューラルネットワークに対して,正しい地中真理ウェーブフロントセットと地中真理画像を同時に抽出することを要求することにより,再構成を改善する。 必要な理論的ステップとして,深層畳み込み残留ニューラルネットワークのディジタルマイクロローカル正準関係を同定する。 我々はこのアプローチの有効性を示す強力な数値的証拠を見つける。

関連論文リスト

• 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)
• Deep Learning-based MRI Reconstruction with Artificial Fourier Transform (AFT)-Net [14.146848823672677]
  複合価値ディープラーニングフレームワーク-Artificial Fourier Transform Network (AFTNet)を導入する。 AFTNetは、ドメイン変換における画像逆問題の解決に容易に利用できる。 AFTNetは既存のアプローチに比べ,MRIの高速化に優れることを示す。
  論文  参考訳（メタデータ） (2023-12-18T02:50:45Z)
• Reinforcement Learning for Sampling on Temporal Medical Imaging Sequences [0.0]
  本研究では、動的画像再構成のためのサンプリング戦略を学ぶために、ダブルディープQ-ラーニングとREINFORCEアルゴリズムを適用した。 時系列のフォーマットでデータを考察し、再構成法は事前訓練されたオートエンコーダ型ニューラルネットワークである。 本稿では,強化学習アルゴリズムが最適サンプリングパターンの発見に有効であることを示す。
  論文  参考訳（メタデータ） (2023-08-28T23:55:23Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• A Deep Learning Approach for SAR Tomographic Imaging of Forested Areas [10.477070348391079]
  我々は,1つのフィードフォワードパスでトモグラフィインバージョンを実行するために,軽量ニューラルネットワークをトレーニング可能であることを示す。 我々は、シミュレーションデータを用いてエンコーダ・デコーダネットワークを訓練し、実LバンドとPバンドのデータに基づいてその手法を検証する。
  論文  参考訳（メタデータ） (2023-01-20T14:34:03Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
  画像再構成に有効な先行画像として, 奥行き画像が導入された。 その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。 計算課題に対処する2段階の学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2021-11-23T15:08:26Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• u-net CNN based fourier ptychography [5.46367622374939]
  本稿では,畳み込みニューラルネットワークに基づく新しい検索アルゴリズムを提案する。 実験により, システム収差下において, 再現性が向上し, より堅牢であることが確認された。
  論文  参考訳（メタデータ） (2020-03-16T22:48:44Z)
• ODE-based Deep Network for MRI Reconstruction [1.569044447685249]
  画像品質を向上したMR画像の高速取得を実現するために,MRI再構成のためのODEベースのディープネットワークを提案する。 提案手法は, 標準UNetネットワークとResidualネットワークをベースとした再構成手法と比較して, 高品質な画像を提供できることを示す。
  論文  参考訳（メタデータ） (2019-12-27T20:13:30Z)

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。