論文の概要: Unsupervised PET Reconstruction from a Bayesian Perspective
- arxiv url: http://arxiv.org/abs/2110.15568v1
- Date: Fri, 29 Oct 2021 06:32:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 14:40:19.735695
- Title: Unsupervised PET Reconstruction from a Bayesian Perspective
- Title（参考訳）: ベイズ的視点から見た非教師的PET再構成
- Authors: Chenyu Shen, Wenjun Xia, Hongwei Ye, Mingzheng Hou, Hu Chen, Yan Liu,
Jiliu Zhou and Yi Zhang
- Abstract要約: DeepREDはDIPと正規化を組み合わせた典型的な表現である(RED)
本稿では,ベイズ的な視点からDeepREDを活用して,教師付き情報や補助情報のない単一劣化したシングラムからPET画像の再構成を行う。
- 参考スコア（独自算出の注目度）: 12.512270202705404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Positron emission tomography (PET) reconstruction has become an ill-posed
inverse problem due to low-count projection data, and a robust algorithm is
urgently required to improve imaging quality. Recently, the deep image prior
(DIP) has drawn much attention and has been successfully applied in several
image restoration tasks, such as denoising and inpainting, since it does not
need any labels (reference image). However, overfitting is a vital defect of
this framework. Hence, many methods have been proposed to mitigate this
problem, and DeepRED is a typical representation that combines DIP and
regularization by denoising (RED). In this article, we leverage DeepRED from a
Bayesian perspective to reconstruct PET images from a single corrupted sinogram
without any supervised or auxiliary information. In contrast to the
conventional denoisers customarily used in RED, a DnCNN-like denoiser, which
can add an adaptive constraint to DIP and facilitate the computation of
derivation, is employed. Moreover, to further enhance the regularization,
Gaussian noise is injected into the gradient updates, deriving a Markov chain
Monte Carlo (MCMC) sampler. Experimental studies on brain and whole-body
datasets demonstrate that our proposed method can achieve better performance in
terms of qualitative and quantitative results compared to several classic and
state-of-the-art methods.
- Abstract（参考訳）: ポジトロン・エミッション・トモグラフィー (PET) の再構成は低カウント投影データによる逆問題となり, 画像品質向上のためには頑健なアルゴリズムが緊急に必要である。
近年,dip (deep image prior) の注目が集まっており,ラベル(参照画像)は不要であるため,ノイズ除去やインペインティングなど,複数の画像復元作業にうまく適用されている。
しかし、過剰適合はこのフレームワークの重要な欠陥である。
したがって、この問題を緩和するために多くの方法が提案されており、DeepREDはDIPと正規化を組み合わせた典型的な表現である(RED)。
本稿では,ベイズ的な視点からDeepREDを活用して,教師付き情報や補助情報のない単一劣化したシングラムからPET画像の再構成を行う。
赤で慣用的に使用される従来のデノワザとは対照的に、ディップに適応的な制約を追加し、導出の計算を容易にするdncnnライクなデノワザーが用いられる。
さらに、正規化をさらに強化するため、ガウスノイズが勾配更新に注入され、マルコフ連鎖モンテカルロ(MCMC)サンプリング器が導出される。
脳と体全体のデータセットに関する実験研究により,提案手法は古典的および最先端の手法と比較して質的,定量的な結果で優れた性能が得られることが示された。
関連論文リスト
- RED: Residual Estimation Diffusion for Low-Dose PET Sinogram Reconstruction [8.152999560646371]
残留エスティメーション拡散(RED)という拡散モデルを提案する。
拡散機構の観点からは、REDは拡散過程におけるガウスノイズを置き換えるためにシングラム間の残差を用いる。
実験の結果,REDは低用量シングラムの品質と再建成績を良好に向上させることがわかった。
論文 参考訳（メタデータ） (2024-11-08T06:19:29Z) - Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。
また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - Deep kernel representations of latent space features for low-dose PET-MR imaging robust to variable dose reduction [0.09362267584678274]
低線量ポジトロン放射トモグラフィ(PET)画像再構成法は、画像モダリティとしてPETを大幅に改善する可能性がある。
ディープラーニングは、画像再構成問題に事前情報を組み込んで、妥協された信号から定量的に正確な画像を生成する、有望な手段を提供する。
本稿では,カーネル表現を頑健に表現した深層潜伏空間の特徴を明示的にモデル化し,これまで見られなかった線量削減係数に対して頑健な性能を提供する手法を提案する。
論文 参考訳（メタデータ） (2024-09-10T03:57:31Z) - 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 Radon Prior: A Fully Unsupervised Framework for Sparse-View CT
Reconstruction [6.509941446269504]
提案するフレームワークはデータセットを必要とせず、優れた解釈可能性と一般化能力を示す。
実験結果から,提案手法は画像アーチファクトを効果的に抑制しつつ,詳細な画像を生成することができることが示された。
論文 参考訳（メタデータ） (2023-12-30T04:11:08Z) - Multiscale Structure Guided Diffusion for Image Deblurring [24.09642909404091]
拡散確率モデル (DPM) は画像の劣化に用いられている。
暗黙のバイアスとして、単純だが効果的なマルチスケール構造ガイダンスを導入する。
目に見えないデータのアーティファクトが少ないほど、より堅牢なデブロアリング結果を示します。
論文 参考訳（メタデータ） (2022-12-04T10:40:35Z) - Enhancing convolutional neural network generalizability via low-rank weight approximation [6.763245393373041]
十分なノイズ処理は、画像処理にとって重要な第一歩であることが多い。
ディープニューラルネットワーク(DNN)は画像のノイズ化に広く利用されている。
本研究では,タッカー低ランクテンソル近似に基づく自己教師付き画像復調フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-26T14:11:05Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。
トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。
AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
論文 参考訳（メタデータ） (2022-03-24T18:11:31Z) - Denoising Diffusion Restoration Models [110.1244240726802]
Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。
DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
論文 参考訳（メタデータ） (2022-01-27T20:19:07Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z)
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。