論文の概要: Robust Quantitative Susceptibility Mapping via Approximate Message Passing

• arxiv url: http://arxiv.org/abs/2207.14709v1
• Date: Fri, 29 Jul 2022 14:38:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:18:00.096350
• Title: Robust Quantitative Susceptibility Mapping via Approximate Message Passing
• Title（参考訳）: 近似メッセージパッシングによるロバストな定量的サセプティビリティマッピング
• Authors: Shuai Huang, James J. Lah, Jason W. Allen, Deqiang Qiu
• Abstract要約: 位相誤差の存在下でQSMを回復することは困難である。 AMP-PEは、最先端の非線形L1-QSMおよびMEDIアプローチと比較される。
• 参考スコア（独自算出の注目度）: 14.22930572798757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: It has been challenging to recover QSM in the presence of phase errors, which could be caused by the noise or strong local susceptibility shifts in cases of brain hemorrhage and calcification. We propose a Bayesian formulation for QSM where a two-component Gaussian-mixture distribution is used to model the long-tailed noise (error) distribution, and design an approximate message passing (AMP) algorithm with automatic and adaptive parameter estimation. Theory: Wavelet coefficients of the susceptibility map follow the Laplace distribution. The measurement noise follows a two-component Gaussian-mixture distribution where the second Gaussian component models the noise outliers. The distribution parameters are treated as unknown variables and jointly recovered with the susceptibility using AMP. Methods: The proposed AMP with parameter estimation (AMP-PE) is compared with the state-of-the-art nonlinear L1-QSM and MEDI approaches that adopt the L1-norm and L2-norm data-fidelity terms respectively. The three approaches are tested on the Sim2Snr1 data from QSM challenge 2.0, the in vivo data from both healthy and hemorrhage scans. Results: On the simulated Sim2Snr1 dataset, AMP-PE achieved the lowest NRMSE and SSIM, MEDI achieved the lowest HFEN, and each approach also has its own strong suit when it comes to various local evaluation metrics. On the in vivo dataset, AMP-PE is better at preserving structural details and removing streaking artifacts than L1-QSM and MEDI. Conclusion: By leveraging a customized Gaussian-mixture noise prior, AMP-PE achieves better performance on the challenging QSM cases involving hemorrhage and calcification. It is equipped with built-in parameter estimation, which avoids subjective bias from the usual visual fine-tuning step of in vivo reconstruction.
• Abstract（参考訳）: 目的: 脳出血や石灰化の場合には, 雑音や強い局所感受性の変化によって引き起こされる位相誤差の存在下でQSMを回復することは困難である。 本稿では,2成分のガウス混合分布を用いて長周期雑音(エラー)分布をモデル化したQSMのベイズ的定式化と,自動および適応パラメータ推定による近似メッセージパッシング(AMP)アルゴリズムの設計を行う。 理論: 感受性写像のウェーブレット係数はラプラス分布に従う。 測定ノイズは、第2ガウス成分がノイズ外れ値をモデル化する2成分ガウス混合分布に従う。 分布パラメータは未知の変数として扱われ、AMPを用いて感受性とともに復元される。 手法: パラメータ推定を用いたAMP(AMP-PE)は,L1-normとL2-normのデータフィデリティ項をそれぞれ適用した,最先端の非線形L1-QSMおよびMEDIアプローチと比較する。 3つのアプローチは、qsm challenge 2.0のsim2snr1データ、健康診断と出血検査の両方のin vivoデータでテストされた。 結果:シミュレートされたSim2Snr1データセットでは,AMP-PEが最も低いNRMSEとSSIMを達成し,MEDIは最も低いHFENを達成した。 in vivoデータセットでは、AMP-PEは構造の詳細を保存し、L1-QSMやMEDIよりもストリーキングアーティファクトを除去する。 結語:前述したガウス混合雑音を利用して, AMP-PEは出血や石灰化を伴うQSM症例において, より優れた性能を発揮する。 生体内再構成の通常の視覚微調整ステップから主観バイアスを回避できる組み込みパラメータ推定機能を備えている。

関連論文リスト

• Flow Matching for Atmospheric Retrieval of Exoplanets: Where Reliability meets Adaptive Noise Levels [38.84835238599221]
  流れマッチング後推定(FMPE)は大気圏探索のための新しい機械学習手法である。 FMPEは神経後部推定(NPE)の約3倍の速度でトレーニングし、IS効率を高める。 ISは不正確なML結果の修正に成功し、低効率でモデルの失敗を特定し、ベイズ証拠の正確な見積もりを提供する。
  論文  参考訳（メタデータ） (2024-10-28T19:28:07Z)
• Likelihood-Free Inference and Hierarchical Data Assimilation for Geological Carbon Storage [0.0]
  炭素貯蔵のための階層型データ同化フレームワークを開発した。 モンテカルロに基づく近似ベイズ計算を用いる。 3次元リカレントR-U-Net深層学習サロゲートモデルを用いて計算コストを削減する。
  論文  参考訳（メタデータ） (2024-10-20T06:15:56Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• 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)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Automatically Differentiable Random Coefficient Logistic Demand Estimation [0.0]
  本稿では, ランダム係数ロジスティック・デマンド(BLP)モデルを, 自動微分可能なモーメント関数として表現する方法を示す。 これにより、CUE(Continuously Updating Estimator)を用いた勾配に基づく周期性および準ベイズ推定が可能となる。 予備的な結果は、LTEと頻繁な最適化を用いて推定したCUEは、従来の2段階のGMM(2S-GMM)アプローチと比較して、より低いバイアスを持つが、MAEが高いことを示唆している。
  論文  参考訳（メタデータ） (2021-06-08T18:50:11Z)
• PCA Initialization for Approximate Message Passing in Rotationally Invariant Models [29.039655256171088]
  主成分分析は自然推定器であり、その性能は高次元状態において急激な結果が得られた。 近年,PCAの精度を向上させる可能性のある代替推定器として,AMPアルゴリズムが提案されている。 そこで本研究では,AMPをPCAに初期化する2つの手法を組み合わせて,この推定器の性能を厳密に評価する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-04T09:13:51Z)

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。