論文の概要: Hybrid adiabatic quantum computing for tomographic image reconstruction -- opportunities and limitations

• arxiv url: http://arxiv.org/abs/2212.01312v1
• Date: Fri, 2 Dec 2022 17:11:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 17:44:59.341666
• Title: Hybrid adiabatic quantum computing for tomographic image reconstruction -- opportunities and limitations
• Title（参考訳）: 断層画像再構成のためのハイブリッド断熱量子コンピューティング -- 機会と限界
• Authors: Merlin A. Nau, A. Hans Vija, Wesley Gohn, Maximilian P. Reymann and Andreas K. Maier
• Abstract要約: 臨床画像では、患者の快適さを改善し、放射線曝露を減らすのに役立つ。 本稿では,アディアバティックな量子コンピュータとそれに関連するハイブリッド手法を用いて再構成問題を解くことを提案する。
• 参考スコア（独自算出の注目度）: 8.442020709975015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Our goal is to reconstruct tomographic images with few measurements and a low signal-to-noise ratio. In clinical imaging, this helps to improve patient comfort and reduce radiation exposure. As quantum computing advances, we propose to use an adiabatic quantum computer and associated hybrid methods to solve the reconstruction problem. Tomographic reconstruction is an ill-posed inverse problem. We test our reconstruction technique for image size, noise content, and underdetermination of the measured projection data. We then present the reconstructed binary and integer-valued images of up to 32 by 32 pixels. The demonstrated method competes with traditional reconstruction algorithms and is superior in terms of robustness to noise and reconstructions from few projections. We postulate that hybrid quantum computing will soon reach maturity for real applications in tomographic reconstruction. Finally, we point out the current limitations regarding the problem size and interpretability of the algorithm.
• Abstract（参考訳）: 本研究の目的は,少ない測定値と低信号-雑音比で断層像を再構成することである。 臨床画像では、患者の快適さを改善し、放射線曝露を減らすのに役立つ。 量子コンピューティングが進歩するにつれて、断熱量子コンピュータと関連するハイブリッド手法を用いて再構成問題を解くことを提案する。 画像再構成は逆問題である。 提案手法は, 画像サイズ, ノイズ量, および計測された投影データの過小評価を行う。 次に,32ピクセルから32ピクセルまで再構成した2値および整数値画像を示す。 提案手法は従来の再構成アルゴリズムと競合し,ノイズに対する頑健性やプロジェクションの少ない再現性に優れる。 我々は,ハイブリッド量子コンピューティングがトモグラフィ再構成における実際の応用の成熟度に達すると仮定する。 最後に,アルゴリズムの問題点の大きさと解釈可能性に関する現在の制限を指摘する。

関連論文リスト

• Image Compression and Reconstruction Based on Quantum Network [5.569248673725028]
  量子ネットワークは、画像再構成をより効率的かつ正確にする。 より少ないビットと高速な並列計算機能を使って、より複雑な画像情報を処理することができる。 本稿では,量子ネットワークの基本構造,画像圧縮と再構成のプロセス,パラメータ学習法について紹介する。
  論文  参考訳（メタデータ） (2024-04-18T08:39:58Z)
• AugUndo: Scaling Up Augmentations for Monocular Depth Completion and Estimation [51.143540967290114]
  本研究では,教師なし深度計算と推定のために,従来不可能であった幾何拡張の幅広い範囲をアンロックする手法を提案する。 これは、出力深さの座標への幾何変換を反転、あるいはアンドウイング(undo''-ing)し、深度マップを元の参照フレームに戻すことで達成される。
  論文  参考訳（メタデータ） (2023-10-15T05:15:45Z)
• Quantum annealing-based computed tomography using variational approach for a real-number image reconstruction [0.0]
  本研究は実数再構成のための変分手法を用いたQACT再構成アルゴリズムを開発した。 注目すべきは、各ピクセルの表示に2キュービットしか必要とせず、正確な再構成に十分であることを示したことである。
  論文  参考訳（メタデータ） (2023-06-03T23:35:10Z)
• Subject-specific quantitative susceptibility mapping using patch based deep image priors [13.734472448148333]
  そこで本研究では,被検者固有のパッチベースの教師なし学習アルゴリズムを提案し,その感受性マップを推定する。 我々は、深層畳み込みニューラルネットワークを用いて、地図のパッチにまたがる冗長性を利用して、問題をうまく解決する。 このアルゴリズムを3次元インビジョデータセットで検証し、競合する手法よりも改良された再構成を実証した。
  論文  参考訳（メタデータ） (2022-10-10T02:28:53Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Physics-assisted Generative Adversarial Network for X-Ray Tomography [2.589958357631341]
  深層学習が トモグラフィーの再構築に 使われています。 本研究では,トモグラフィ再構成のための物理支援ジェネレーターネットワーク(PGAN)を開発した。
  論文  参考訳（メタデータ） (2022-04-07T19:21:39Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
  画像再構成に有効な先行画像として, 奥行き画像が導入された。 その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。 計算課題に対処する2段階の学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2021-11-23T15:08:26Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• Interpolation of CT Projections by Exploiting Their Self-Similarity and Smoothness [6.891238879512674]
  提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。 シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-03-05T22:41:25Z)

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。