論文の概要: Improving the Timing Resolution of Positron Emission Tomography
Detectors using Boosted Learning -- A Residual Physics Approach
- arxiv url: http://arxiv.org/abs/2302.01681v1
- Date: Fri, 3 Feb 2023 12:10:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 16:27:09.030488
- Title: Improving the Timing Resolution of Positron Emission Tomography
Detectors using Boosted Learning -- A Residual Physics Approach
- Title（参考訳）: boosted learning を用いたポジトロントモグラフィ検出器のタイミング分解能向上 -残留物理学的アプローチ-
- Authors: Stephan Naunheim, Yannick Kuhl, David Schug, Volkmar Schulz, Florian
Mueller
- Abstract要約: 本稿では,残差物理の概念を生かした強化学習を用いた検出器最適化へのアプローチを提案する。
ポジトロン・エミッション・トモグラフィー(PET)検出器の一致時間分解能(CTR)を改善した。
PETはシンチレーション検出器を用いてガンマ光子を検出することによって代謝過程のイメージングを可能にする。
- 参考スコア（独自算出の注目度）: 1.633272850273525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence is finding its way into medical imaging, usually
focusing on image reconstruction or enhancing analytical reconstructed images.
However, optimizations along the complete processing chain, from detecting
signals to computing data, enable significant improvements. Thus, we present an
approach toward detector optimization using boosted learning by exploiting the
concept of residual physics. In our work, we improve the coincidence time
resolution (CTR) of positron emission tomography (PET) detectors. PET enables
imaging of metabolic processes by detecting {\gamma}-photons with scintillation
detectors. Current research exploits light-sharing detectors, where the
scintillation light is distributed over and digitized by an array of readout
channels. While these detectors demonstrate excellent performance parameters,
e.g., regarding spatial resolution, extracting precise timing information for
time-of-flight (TOF) becomes more challenging due to deteriorating effects
called time skews. Conventional correction methods mainly rely on analytical
formulations, theoretically capable of covering all time skew effects, e.g.,
caused by signal runtimes or physical effects. However, additional effects are
involved for light-sharing detectors, so finding suitable analytical
formulations can become arbitrarily complicated. The residual physics-based
strategy uses gradient tree boosting (GTB) and a physics-informed data
generation mimicking an actual imaging process by shifting a radiation source.
We used clinically relevant detectors with a height of 19 mm, coupled to
digital photosensor arrays. All trained models improved the CTR significantly.
Using the best model, we achieved CTRs down to 198 ps (185 ps) for energies
ranging from 300 keV to 700 keV (450 keV to 550 keV).
- Abstract（参考訳）: 人工知能は、通常、画像再構成や分析された再構成画像の強化に焦点を当てて、医療画像にその道を見出している。
しかし、信号検出から計算データへの完全な処理チェーンに沿った最適化は、大幅な改善を実現する。
そこで本稿では,残差物理の概念を応用した強化学習を用いた検出器最適化手法を提案する。
本研究では,ポジトロン放射トモグラフィー(PET)検出器の一致時間分解能(CTR)を改善した。
PETはシンチレーション検出器を用いてガンマ光子を検出することによって代謝過程のイメージングを可能にする。
現在の研究は、シンチレーション光が複数の読み出しチャネルによってデジタル化された光共有検出器を活用している。
これらの検出器は、例えば空間分解能に関する優れた性能パラメータを示す一方で、時間スキューと呼ばれる劣化効果のために、飛行時間(TOF)の正確なタイミング情報を抽出することがより困難になる。
従来の補正法は主に解析的な定式化に依存しており、理論的には信号のランタイムや物理的効果によって生じる全ての時間スキュー効果をカバーできる。
しかし、光共有検出器にさらなる効果が伴うため、適切な分析式を見つけることは任意に複雑になる。
残留物理ベースの戦略は、勾配木ブースティング(GTB)と、放射源をシフトさせて実際の撮像過程を模倣した物理インフォームドデータ生成を用いる。
臨床に関係のある19mmの検出器とデジタル光センサーアレイを用いた。
全ての訓練されたモデルはCTRを大幅に改善した。
最適なモデルを用いて、300keVから700keV(450keVから550keV)までのエネルギーに対して、CTRを198ps (185ps)まで下げた。
関連論文リスト
- An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文 参考訳（メタデータ） (2023-05-30T13:14:03Z) - Self-Supervised Learning for Physiologically-Based Pharmacokinetic
Modeling in Dynamic PET [36.28565007063204]
Voxel-wise physiologically based of the Time Activity curves (TAC) は、臨床ワークフローに関連性のある診断情報を提供することができる。
本研究は、測定されたTACと学習された運動パラメータで生成されたものとの類似性を強制する自己教師付きPET損失定式化を導入する。
我々の知る限りでは、これは非線形の運動モデルと整合した運動パラメータのエルボックスワイズ計算を可能にする最初の自己教師ネットワークである。
論文 参考訳（メタデータ） (2023-05-17T21:08:02Z) - Label-free timing analysis of SiPM-based modularized detectors with
physics-constrained deep learning [9.234802409391111]
モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。
本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-24T09:16:31Z) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳（メタデータ） (2022-04-09T13:04:36Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳（メタデータ） (2021-12-19T15:17:20Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳（メタデータ） (2020-05-11T16:29:12Z) - Using Machine Learning to Speed Up and Improve Calorimeter R&D [0.7106986689736827]
物理性能の評価を遅くする2つの典型的な問題は、特にカロリー検出器技術や構成に対するアプローチである。
本稿では,検出器開発および最適化サイクルの精度向上と高速化を目的とした,高度な機械学習技術の利用について論じる。
論文 参考訳（メタデータ） (2020-03-27T14:44:46Z) - Learned Spectral Computed Tomography [0.0]
スペクトル光子結合型CTのためのディープラーニングイメージング法を提案する。
この方法は、ケース固有データを用いて訓練された2段階の学習された原始双対アルゴリズムの形を取る。
提案手法は, 限られたデータの場合であっても, 高速再構成機能と高速撮像性能により特徴付けられる。
論文 参考訳（メタデータ） (2020-03-09T13:39:12Z)
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。