論文の概要: Alternating Learning Approach for Variational Networks and Undersampling
Pattern in Parallel MRI Applications
- arxiv url: http://arxiv.org/abs/2110.14703v1
- Date: Wed, 27 Oct 2021 18:42:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 16:55:40.684114
- Title: Alternating Learning Approach for Variational Networks and Undersampling
Pattern in Parallel MRI Applications
- Title（参考訳）: 並列MRI応用における変分ネットワークとアンダーサンプリングパターンの交互学習アプローチ
- Authors: Marcelo V. W. Zibetti, Florian Knoll, and Ravinder R. Regatte
- Abstract要約: 高速並列磁気共鳴画像(MRI)におけるサンプリングパターン(SP)と変動ネットワーク(VN)パラメータの交互学習手法を提案する。
提案手法は安定であり,他の手法よりも高品質な画像を生成するVNパラメータを用いた有効SPを学習した。
- 参考スコア（独自算出の注目度）: 0.9558392439655014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: To propose an alternating learning approach to learn the sampling
pattern (SP) and the parameters of variational networks (VN) in accelerated
parallel magnetic resonance imaging (MRI). Methods: The approach alternates
between improving the SP, using bias-accelerated subset selection, and
improving parameters of the VN, using ADAM with monotonicity verification. The
algorithm learns an effective pair: an SP that captures fewer k-space samples
generating undersampling artifacts that are removed by the VN reconstruction.
The proposed approach was tested for stability and convergence, considering
different initial SPs. The quality of the VNs and SPs was compared against
other approaches, including joint learning methods and VN learning with fixed
variable density Poisson-disc SPs, using two different datasets and different
acceleration factors (AF). Results: The root mean squared error (RMSE)
improvements ranged from 14.9% to 51.2% considering AF from 2 to 20 in the
tested brain and knee joint datasets when compared to the other approaches. The
proposed approach has shown stable convergence, obtaining similar SPs with the
same RMSE under different initial conditions. Conclusion: The proposed approach
was stable and learned effective SPs with the corresponding VN parameters that
produce images with better quality than other approaches, improving accelerated
parallel MRI applications.
- Abstract（参考訳）: 目的: 高速並列磁気共鳴画像(MRI)において, サンプリングパターン(SP)と変動ネットワーク(VN)のパラメータを学習するための交互学習手法を提案する。
方法: この手法は,SPの改良,偏差加速サブセット選択の活用,および単調性検証のADAMを用いてVNのパラメータの改善とを交互に行う。
アルゴリズムは有効なペアを学習し、VN再構成によって除去されるアンダーサンプリングアーティファクトを生成する、少ないkスペースサンプルをキャプチャするSPである。
提案手法は,異なる初期SPを考慮し,安定性と収束性について検討した。
VNとSPの質は,2つの異なるデータセットと異なるアクセラレーション因子(AF)を用いて,共同学習法や可変密度ポアソンディスクSPを用いたVN学習など,他の手法と比較した。
結果: 根平均二乗誤差 (rmse) の改善は, 脳および膝関節データセットのafを他のアプローチと比較した場合, 14.9%から51.2%に変化した。
提案手法は安定収束を示し、異なる初期条件下で同じRMSEを持つ類似のSPを得る。
結論: 提案手法は安定であり,他の手法よりも優れた画質で画像を生成するVNパラメータを持つ有効SPを学習し,並列MRIの高速化を実現した。
関連論文リスト
- Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - Rényi Neural Processes [14.11793373584558]
R'enyi Neural Processes (RNP) を提案する。
標準KL偏差を、後部と近似された前部のR'enyi偏差に置き換えることで、不特定前者の影響を改善する。
実験の結果,既存のNPファミリーではログライクな改善が見られた。
論文 参考訳（メタデータ） (2024-05-25T00:14:55Z) - Enhancing Blood Flow Assessment in Diffuse Correlation Spectroscopy: A
Transfer Learning Approach with Noise Robustness Analysis [5.16677999056239]
本研究では,SNR(Signal-to-Noise Ratios)が学習特徴の一般化能力に与える影響を評価することを目的とした。
付加雑音のレベルが異なる合成データセットを用いて、異なるSNRをシミュレートする。
提案モデルでは, 異なるSNRに対して優れた性能を示し, 適合精度が向上した。
論文 参考訳（メタデータ） (2024-01-10T23:10:51Z) - A Direct Sampling-Based Deep Learning Approach for Inverse Medium
Scattering Problems [3.776050336003086]
非均一な散乱体を再構成するための新しい直接サンプリングベースディープラーニング手法(DSM-DL)を提案する。
提案するDSM-DLは,計算効率が高く,ノイズに耐性があり,実装が容易で,自然に複数の計測データを組み込むことができる。
論文 参考訳（メタデータ） (2023-04-29T12:29:30Z) - Tuning-free multi-coil compressed sensing MRI with Parallel Variable
Density Approximate Message Passing (P-VDAMP) [2.624902795082451]
並列可変密度近似メッセージパッシング(P-VDAMP)アルゴリズムを提案する。
状態の進化は、Stein's Unbiased Risk Estimate (SURE) を用いてスパースパラメータを自動的に調整する。
提案手法は, 最適に調整したスパース重み付けを施したFISTAと同様の再現品質と収束時間を有することがわかった。
論文 参考訳（メタデータ） (2022-03-08T16:11:41Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。
その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
論文 参考訳（メタデータ） (2021-04-09T14:50:59Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳（メタデータ） (2021-03-15T16:16:18Z) - Adaptive Gradient Method with Resilience and Momentum [120.83046824742455]
レジリエンスとモメンタム(AdaRem)を用いた適応勾配法を提案する。
AdaRemは、過去の1つのパラメータの変化方向が現在の勾配の方向と一致しているかどうかに応じてパラメータワイズ学習率を調整する。
本手法は,学習速度とテスト誤差の観点から,従来の適応学習率に基づくアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-10-21T14:49:00Z) - Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。
提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
論文 参考訳（メタデータ） (2020-05-28T19:08:42Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳（メタデータ） (2020-02-25T15:12:15Z)
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。