論文の概要: Patch-based medical image segmentation using Quantum Tensor Networks

• arxiv url: http://arxiv.org/abs/2109.07138v1
• Date: Wed, 15 Sep 2021 07:54:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-17 01:07:44.346690
• Title: Patch-based medical image segmentation using Quantum Tensor Networks
• Title（参考訳）: 量子テンソルネットワークを用いたパッチベース医用画像分割
• Authors: Raghavendra Selvan, Erik B Dam, S{\o}ren Alexander Flensborg, Jens Petersen
• Abstract要約: テンソルネットワークを用いた教師付き設定で画像分割を定式化する。 鍵となるアイデアは、まず画像パッチのピクセルを指数関数的に高次元の特徴空間に引き上げることである。 提案モデルの性能を3つの2次元および1つの3次元バイオメディカルイメージングデータセットで評価した。
• 参考スコア（独自算出の注目度）: 1.5899411215927988
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensor networks are efficient factorisations of high dimensional tensors into a network of lower order tensors. They have been most commonly used to model entanglement in quantum many-body systems and more recently are witnessing increased applications in supervised machine learning. In this work, we formulate image segmentation in a supervised setting with tensor networks. The key idea is to first lift the pixels in image patches to exponentially high dimensional feature spaces and using a linear decision hyper-plane to classify the input pixels into foreground and background classes. The high dimensional linear model itself is approximated using the matrix product state (MPS) tensor network. The MPS is weight-shared between the non-overlapping image patches resulting in our strided tensor network model. The performance of the proposed model is evaluated on three 2D- and one 3D- biomedical imaging datasets. The performance of the proposed tensor network segmentation model is compared with relevant baseline methods. In the 2D experiments, the tensor network model yeilds competitive performance compared to the baseline methods while being more resource efficient.
• Abstract（参考訳）: テンソルネットワークは高次元テンソルの高次テンソルのネットワークへの効率的な分解である。 量子多体系の絡み合いのモデル化に最も一般的に用いられており、最近では教師付き機械学習の応用が増加している。 本研究では,テンソルネットワークを用いた教師付きセグメンテーションで画像セグメンテーションを定式化する。 重要なアイデアは、画像パッチのピクセルを指数関数的に高次元の特徴空間に持ち上げ、線形決定超平面を用いて入力画素を前景と背景クラスに分類することである。 高次元線形モデル自体は、行列積状態(MPS)テンソルネットワークを用いて近似される。 重み付きテンソルネットワークモデルにより,MPSは重み付き画像パッチ間で重み共有される。 提案モデルの性能を3つの2次元および1つの3次元バイオメディカルイメージングデータセットで評価した。 提案するテンソルネットワークセグメンテーションモデルの性能を,関連するベースライン手法と比較した。 2次元実験では, テンソルネットワークモデルにより, 基準法と比較して競争性能が向上し, 資源効率が向上した。

関連論文リスト

• Neural Metamorphosis [72.88137795439407]
  本稿では,ニューラル・メタモルファス(NeuMeta)と呼ばれる,自己変形可能なニューラルネットワークの構築を目的とした新たな学習パラダイムを提案する。 NeuMetaはニューラルネットワークの連続重み多様体を直接学習する。 75%の圧縮速度でもフルサイズの性能を維持する。
  論文  参考訳（メタデータ） (2024-10-10T14:49:58Z)
• Deep tensor networks with matrix product operators [0.0]
  重み行列のテンソルネットワーク表現に基づく指数関数的に広いニューラルネットワークであるディープテンソルネットワークを導入する。 画像分類(MNIST, FashionMNIST)とシーケンス予測(セルオートマトン)の課題について検討した。
  論文  参考訳（メタデータ） (2022-09-16T09:09:52Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
  本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
  論文  参考訳（メタデータ） (2022-05-16T06:49:36Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Segmenting two-dimensional structures with strided tensor networks [1.952097552284465]
  教師付き画像分割のためのテンソルネットワークの新規な定式化を提案する。 提案モデルはバックプロパゲーションを用いてエンドツーエンドでトレーニング可能である。 評価の結果,ストレートテンソルネットワークはcnnモデルに比べて競争性が高いことがわかった。
  論文  参考訳（メタデータ） (2021-02-13T11:06:34Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Locally orderless tensor networks for classifying two- and three-dimensional medical images [0.3867363075280544]
  一次元ベクトル上で動作可能な行列積状態(MPS)テンソルネットワークを改善する。 我々は、小さな画像領域を秩序のないものとして扱い、空間情報を特徴次元に絞って、これらの局所秩序のない領域でMPS操作を行う。 LoTeNetのアーキテクチャはすべての実験で固定されており、比較した手法に比較して性能を得るためには、より少ない計算資源を必要とすることを示す。
  論文  参考訳（メタデータ） (2020-09-25T15:05:02Z)
• Supervised Learning with Projected Entangled Pair States [7.783244908334539]
  投影型絡み合ったペア状態(PEPS)を用いた画像の教師付き学習モデルを構築した。 PEPSは自然画像に類似した構造を持つ二次元テンソルネットワークである。 機械学習における2次元テンソルネットワークモデルの可能性について検討した。
  論文  参考訳（メタデータ） (2020-09-12T09:15:00Z)
• Tensor Networks for Medical Image Classification [0.456877715768796]
  我々は、量子多体システムを分析するために、過去20年間、物理学者のための仕事場であったネットワークのクラスに焦点を当てている。 医療画像解析に有用なマトリックス製品状態テンソルネットワークを拡張した。 テンソルネットワークは最先端のディープラーニング手法に匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-04-21T15:02:58Z)
• Model Fusion via Optimal Transport [64.13185244219353]
  ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。 これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
  論文  参考訳（メタデータ） (2019-10-12T22:07:15Z)

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。