論文の概要: Transient motion classification through turbid volumes via parallelized
single-photon detection and deep contrastive embedding
- arxiv url: http://arxiv.org/abs/2204.01733v1
- Date: Mon, 4 Apr 2022 14:27:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-07 01:48:18.070046
- Title: Transient motion classification through turbid volumes via parallelized
single-photon detection and deep contrastive embedding
- Title（参考訳）: 並列化単一光子検出と深層コントラスト埋め込みによるタービッドボリュームによる過渡運動の分類
- Authors: Shiqi Xu, Wenhui Liu, Xi Yang, Joakim J\"onsson, Ruobing Qian, Paul
McKee, Kanghyun Kim, Pavan Chandra Konda, Kevin C. Zhou, Lucas Krei{\ss},
Haoqian Wang, Edouard Berrocal, Scott Huettel, Roarke Horstmeyer
- Abstract要約: 並列化単一光子dEtection (CREPE) を用いた高速デコリレーションイベントの分類手法を提案する。
332時間s32ピクセルSPADアレイからのパラレル化スペックルを用いて、タービッドボリュームの下に隠された異なる非相関運動を高い感度で探索し分類することができる。
これは、例えば異常な脳血流のイベントを識別するなど、通常、深部組織の動きパターンを監視するために応用される可能性がある。
- 参考スコア（独自算出の注目度）: 12.806431481376787
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast noninvasive probing of spatially varying decorrelating events, such as
cerebral blood flow beneath the human skull, is an essential task in various
scientific and clinical settings. One of the primary optical techniques used is
diffuse correlation spectroscopy (DCS), whose classical implementation uses a
single or few single-photon detectors, resulting in poor spatial localization
accuracy and relatively low temporal resolution. Here, we propose a technique
termed Classifying Rapid decorrelation Events via Parallelized single photon
dEtection (CREPE)}, a new form of DCS that can probe and classify different
decorrelating movements hidden underneath turbid volume with high sensitivity
using parallelized speckle detection from a $32\times32$ pixel SPAD array. We
evaluate our setup by classifying different spatiotemporal-decorrelating
patterns hidden beneath a 5mm tissue-like phantom made with rapidly
decorrelating dynamic scattering media. Twelve multi-mode fibers are used to
collect scattered light from different positions on the surface of the tissue
phantom. To validate our setup, we generate perturbed decorrelation patterns by
both a digital micromirror device (DMD) modulated at multi-kilo-hertz rates, as
well as a vessel phantom containing flowing fluid. Along with a deep
contrastive learning algorithm that outperforms classic unsupervised learning
methods, we demonstrate our approach can accurately detect and classify
different transient decorrelation events (happening in 0.1-0.4s) underneath
turbid scattering media, without any data labeling. This has the potential to
be applied to noninvasively monitor deep tissue motion patterns, for example
identifying normal or abnormal cerebral blood flow events, at multi-Hertz rates
within a compact and static detection probe.
- Abstract（参考訳）: 人間の頭蓋骨の下の脳血流など、空間的に異なる相関イベントの迅速な非侵襲的検出は、様々な科学的、臨床的設定において必須の課題である。
主な光学的手法の1つは拡散相関分光法 (diffuse correlation spectroscopy, DCS) であり、古典的な実装では単一または少数の単光子検出器を用いており、空間局在の精度は低く、時間分解能は比較的低い。
本稿では,並列化単一光子検出(crepe)による高速非相関事象を分類する手法を提案する。332\times32$ pixel spadアレイからの並列化スペックル検出を用いて,タービッドボリュームの下に隠れた異なるデ相関動きを高感度で検出・分類できる新しいdcsの形式である。
動的散乱媒体を用いて, 5mmの組織状ファントムの下に隠れた異なる時空間相関パターンを分類し, セットアップの評価を行った。
12個の多モード繊維を用いて組織ファントムの表面の異なる位置から散乱した光を収集する。
そこで我々は,マルチキロヘルツ速度で変調されたディジタルマイクロミラーデバイス(DMD)と流動流体を含む容器ファントムを用いて,摂動型デコリレーションパターンを生成する。
従来の教師なし学習法に勝る深層コントラスト学習アルゴリズムとともに,データラベリングを必要とせず,タービッド散乱媒質の下の異なる過渡的非相関事象(0.1-0.4s)を正確に検出し分類できることを実証した。
これは、例えば正常または異常な脳血流イベントを、コンパクトで静的な検出プローブ内のマルチヘルツレートで特定するなど、非侵襲的に組織の動きパターンを監視するために応用される可能性がある。
関連論文リスト
- StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - Unmixing Optical Signals from Undersampled Volumetric Measurements by Filtering the Pixel Latent Variables [5.74378659752939]
遅延アンミキシング(Latent Unmixing)は、マルチスペクトルニューラルネットワークの潜在空間に帯域通過フィルタを適用する新しいアプローチである。
これは、特にアンダーサンプル分布の文脈において、個々の信号のコントリビューションのより優れた分離と定量化を可能にする。
本手法の物理実験における実用的利用を,本手法の汎用性を強調する2つの試験事例を通して紹介する。
論文 参考訳（メタデータ） (2023-12-08T20:34:37Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model [46.68717345017946]
ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。
意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
論文 参考訳（メタデータ） (2023-05-21T09:21:41Z) - A Unified Learning Model for Estimating Fiber Orientation Distribution
Functions on Heterogeneous Multi-shell Diffusion-weighted MRI [7.619657591752497]
拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。
近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。
単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
論文 参考訳（メタデータ） (2023-03-29T00:58:18Z) - Phase Aberration Robust Beamformer for Planewave US Using
Self-Supervised Learning [41.10604715789614]
本稿では,位相収差堅牢な平面波イメージングを実現する3次元CNNを提案する。
我々のアプローチは、ネットワークが様々な位相収差画像から高品質な画像を堅牢に生成するために、自己教師型で訓練されているという点で独特である。
論文 参考訳（メタデータ） (2022-02-16T12:17:01Z) - Imaging dynamics beneath turbid media via parallelized single-photon
detection [32.148006108515716]
我々は,1光子レベルのスペックル変動を同時に検出するために,1光子アバランシェダイオード(SPAD)アレイカメラを利用する。
次に、深層ニューラルネットワークを用いて、取得した単光子測定値を高速に非相関な液体組織ファントム下での散乱ダイナミクスのビデオに変換する。
論文 参考訳（メタデータ） (2021-07-03T12:32:21Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z) - Tunable Anderson Localization of Dark States [146.2730735143614]
超伝導導波路量子電磁力学系におけるアンダーソンの局在について実験的に検討した。
サブラジアント暗黒モード近傍での伝送係数の指数的抑制を観測する。
この実験は、新しいプラットフォーム上での様々なローカライゼーション現象の研究の扉を開く。
論文 参考訳（メタデータ） (2021-05-25T07:52:52Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。