論文の概要: Robust Quantitative Susceptibility Mapping via Approximate Message
Passing with Parameter Estimation
- arxiv url: http://arxiv.org/abs/2207.14709v3
- Date: Tue, 30 May 2023 21:37:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 04:29:45.701357
- Title: Robust Quantitative Susceptibility Mapping via Approximate Message
Passing with Parameter Estimation
- Title（参考訳）: パラメータ推定を用いた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: 本稿では,パラメータ推定を組み込んだ定量的感受性マッピング(QSM)の確率的ベイズ的手法を提案する。
Sim2Snr1データセットでは、AMP-PEは最低のNRMSE、DFCM、最高のSSIMを達成した。
生体内データセットでは、AMP-PEは頑健であり、推定パラメータを用いて感受性マップの復元に成功した。
- 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: For quantitative susceptibility mapping (QSM), the lack of
ground-truth in clinical settings makes it challenging to determine suitable
parameters for the dipole inversion. We propose a probabilistic Bayesian
approach for QSM with built-in parameter estimation, and incorporate the
nonlinear formulation of the dipole inversion to achieve a robust recovery of
the susceptibility maps.
Theory: From a Bayesian perspective, the image wavelet coefficients are
approximately sparse and modelled by the Laplace distribution. The measurement
noise is modelled by a Gaussian-mixture distribution with two components, where
the second component is used to model the noise outliers. Through probabilistic
inference, the susceptibility map and distribution parameters can be jointly
recovered using approximate message passing (AMP).
Methods: We compare our proposed AMP with built-in parameter estimation
(AMP-PE) to the state-of-the-art L1-QSM, FANSI and MEDI approaches on the
simulated and in vivo datasets, and perform experiments to explore the optimal
settings of AMP-PE. Reproducible code is available at
https://github.com/EmoryCN2L/QSM_AMP_PE
Results: On the simulated Sim2Snr1 dataset, AMP-PE achieved the lowest NRMSE,
DFCM and the highest SSIM, while MEDI achieved the lowest HFEN. On the in vivo
datasets, AMP-PE is robust and successfully recovers the susceptibility maps
using the estimated parameters, whereas L1-QSM, FANSI and MEDI typically
require additional visual fine-tuning to select or double-check working
parameters.
Conclusion: AMP-PE provides automatic and adaptive parameter estimation for
QSM and avoids the subjectivity from the visual fine-tuning step, making it an
excellent choice for the clinical setting.
- Abstract（参考訳）: 目的: 量的感受性マッピング (qsm) では, 臨床設定における接地率の欠如は, 双極子反転に適したパラメータを決定するのに困難である。
パラメータ推定を組み込んだQSMに対する確率ベイズ的手法を提案し, 双極子反転の非線形定式化を取り入れ, 感受性マップの頑健な回復を実現する。
理論:ベイズの観点からは、画像ウェーブレット係数は概してスパースであり、ラプラス分布によってモデル化される。
測定ノイズは、2つの成分からなるガウス混合分布でモデル化され、第2成分はノイズ出力のモデル化に使用される。
確率的推論により、確率マップと分布パラメータを近似メッセージパッシング(AMP)を用いて共同で復元することができる。
方法: 提案したAMPと組込みパラメータ推定(AMP-PE)と, 模擬および生体内データセットに対する最先端L1-QSM, FANSI, MEDIアプローチを比較し, AMP-PEの最適設定を探索する実験を行った。
再現可能なコードはhttps://github.com/EmoryCN2L/QSM_AMP_PE results: シミュレーションされたSim2Snr1データセットでは、AMP-PEは最低のNRMSE、DFCM、最高のSSIMを獲得し、MEDIは最低のHFENを達成した。
in vivoデータセットでは、amp-peはロバストであり、推定パラメーターを使用してサセプティビリティマップを回復するが、l1-qsm、fansi、mediは通常、作業パラメータの選択または二重チェックのために視覚的な微調整が必要となる。
結論: AMP-PEはQSMの自動的適応パラメータ推定を提供し, 視覚的微調整の段階から主観性を回避し, 臨床環境に優れた選択である。
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。