論文の概要: Clipped DeepControl: deep neural network two-dimensional pulse design with an amplitude constraint layer

• arxiv url: http://arxiv.org/abs/2201.08668v1
• Date: Fri, 21 Jan 2022 12:34:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-24 14:58:55.610699
• Title: Clipped DeepControl: deep neural network two-dimensional pulse design with an amplitude constraint layer
• Title（参考訳）: clipped deepcontrol:振幅制約層を用いたディープニューラルネットワークの2次元パルス設計
• Authors: Mads Sloth Vinding, Torben Ellegaard Lund
• Abstract要約: 磁気共鳴イメージングにおける(畳み込み)ニューラルネットワークの深層学習と強化学習 2次元選択的電波パルスの場合、(畳み込み)ニューラルネットワークパルス予測時間(2ミリ秒)は、従来の最適制御よりも3桁以上高速であった。 我々は、パルス振幅オーバーシュートのリスクを完全に排除するカスタムメイドクリッピング層で畳み込みニューラルネットワークを拡張した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Advanced radio-frequency pulse design used in magnetic resonance imaging has recently been demonstrated with deep learning of (convolutional) neural networks and reinforcement learning. For two-dimensionally selective radio-frequency pulses, the (convolutional) neural network pulse prediction time (few milliseconds) was in comparison more than three orders of magnitude faster than the conventional optimal control computation. The network pulses were from the supervised training capable of compensating scan-subject dependent inhomogeneities of B0 and B+1 fields. Unfortunately, the network presented with a non-negligible percentage of pulse amplitude overshoots in the test subset, despite the optimal control pulses used in training were fully constrained. Here, we have extended the convolutional neural network with a custom-made clipping layer that completely eliminates the risk of pulse amplitude overshoots, while preserving the ability to compensate the inhomogeneous field conditions.
• Abstract（参考訳）: 磁気共鳴イメージングに使用される先進的な高周波パルス設計は、(畳み込み)ニューラルネットワークの深層学習と強化学習によって最近実証されている。 2次元選択的高周波パルスの場合、(畳み込み)ニューラルネットワークのパルス予測時間(fewミリ秒)は、従来の最適制御計算よりも3桁以上の速さで比較された。 ネットワークパルスは、B0およびB+1フィールドのスキャン対象依存不均一性を補償できる教師付きトレーニングから得られた。 残念ながら、トレーニングに使用する最適制御パルスにもかかわらず、ネットワークはテストサブセット内のパルス振幅オーバーシュートを無視できる割合で示していた。 ここでは,畳み込みニューラルネットワークを,パルス振幅オーバーシュートのリスクを完全に排除する独自のクリッピング層で拡張し,不均質なフィールド条件を補償する能力を維持した。

関連論文リスト

• Robust Localization of Key Fob Using Channel Impulse Response of Ultra Wide Band Sensors for Keyless Entry Systems [12.313730356985019]
  キーレス入力のセキュリティ機能として、車内および周囲のキーフォブのローカライズにニューラルネットワークを使用することは、急速に進んでいる。 モデルの性能は, 高速勾配法では, 一定の範囲で67%向上し, 基本反復法では37%, 投射勾配法では37%向上した。
  論文  参考訳（メタデータ） (2024-01-16T22:35:14Z)
• Speed Limits for Deep Learning [67.69149326107103]
  熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。 線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。 NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
  論文  参考訳（メタデータ） (2023-07-27T06:59:46Z)
• Pulse-controlled qubit in semiconductor double quantum dots [57.916342809977785]
  単一電子電荷量子ビットの量子制御のための数値最適化多パルスフレームワークを提案する。 新規な制御方式は、キュービットを断熱的に操作すると同時に、高速で一般的な単一キュービット回転を行う能力も保持する。
  論文  参考訳（メタデータ） (2023-03-08T19:00:02Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation [0.0]
  提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。 FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。 提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
  論文  参考訳（メタデータ） (2022-02-06T22:18:42Z)
• Deep learning of nanopore sensing signals using a bi-path network [2.365787390596455]
  双方向ネットワーク(B-Net)に基づく特徴抽出にディープラーニングを用いる b−netは、信号対雑音比1のデータを処理することができる。 開発したB-Netはパルスナノ極電流を超えるパルス様信号のジェネリックです。
  論文  参考訳（メタデータ） (2021-05-08T10:11:22Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)
• DeepControl: 2D RF pulses facilitating $B_1^+$ inhomogeneity and $B_0$ off-resonance compensation in vivo at 7T [0.0]
  高速な2次元RFパルス予測(9ms)により、長い最適化を行うことなく、主観的な高品質な2次元RFパルスを実現できる。
  論文  参考訳（メタデータ） (2020-09-25T19:34:34Z)
• Semi-supervised deep learning based on label propagation in a 2D embedded space [117.9296191012968]
  提案されたソリューションは、少数の教師なしイメージから多数の教師なしイメージにラベルを伝達し、ディープニューラルネットワークモデルをトレーニングする。 本稿では、より正確なラベル付きサンプルを反復してセットから深層ニューラルネットワーク(VGG-16)をトレーニングするループを提案する。 ラベル付きセットがイテレーションに沿って改善されるにつれて、ニューラルネットワークの機能が改善される。
  論文  参考訳（メタデータ） (2020-08-02T20:08:54Z)

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。