論文の概要: PIFON-EPT: MR-Based Electrical Property Tomography Using
Physics-Informed Fourier Networks
- arxiv url: http://arxiv.org/abs/2302.11883v1
- Date: Thu, 23 Feb 2023 09:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 15:42:22.663958
- Title: PIFON-EPT: MR-Based Electrical Property Tomography Using
Physics-Informed Fourier Networks
- Title（参考訳）: PIFON-EPT:物理インフォームドフーリエネットワークを用いたMR特性トモグラフィ
- Authors: Xinling Yu, Jos\'e E. C. Serrall\'es, Ilias I. Giannakopoulos, Ziyue
Liu, Luca Daniel, Riccardo Lattanzi, Zheng Zhang
- Abstract要約: 電気特性(EP)トモグラフィ(EPT)のための物理インフォームドフーリエネットワーク(PIFON)について紹介する。
我々の新しい深層学習法は,ノイズおよび/または不完全磁気共鳴(MR)測定に基づいて逆散乱問題を解くことで,世界規模でEPを学習することができる。
- 参考スコア（独自算出の注目度）: 13.395309039582916
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: \textit{Objective:} In this paper, we introduce Physics-Informed Fourier
Networks (PIFONs) for Electrical Properties (EP) Tomography (EPT). Our novel
deep learning-based method is capable of learning EPs globally by solving an
inverse scattering problem based on noisy and/or incomplete magnetic resonance
(MR) measurements. \textit{Methods:} We use two separate fully-connected neural
networks, namely $B_1^{+}$ Net and EP Net, to learn the $B_1^{+}$ field and EPs
at any location. A random Fourier features mapping is embedded into $B_1^{+}$
Net, which allows it to learn the $B_1^{+}$ field more efficiently. These two
neural networks are trained jointly by minimizing the combination of a
physics-informed loss and a data mismatch loss via gradient descent.
\textit{Results:} We showed that PIFON-EPT could provide physically consistent
reconstructions of EPs and transmit field in the whole domain of interest even
when half of the noisy MR measurements of the entire volume was missing. The
average error was $2.49\%$, $4.09\%$ and $0.32\%$ for the relative
permittivity, conductivity and $B_{1}^{+}$, respectively, over the entire
volume of the phantom. In experiments that admitted a zero assumption of $B_z$,
PIFON-EPT could yield accurate EP predictions near the interface between
regions of different EP values without requiring any boundary conditions.
\textit{Conclusion:} This work demonstrated the feasibility of PIFON-EPT,
suggesting it could be an accurate and effective method for electrical
properties estimation. \textit{Significance:} PIFON-EPT can efficiently
de-noise MR measurements, which shows the potential to improve other MR-based
EPT techniques. Furthermore, it is the first time that MR-based EPT methods can
reconstruct the EPs and $B_{1}^{+}$ field simultaneously from incomplete
simulated noisy MR measurements.
- Abstract（参考訳）: 本稿では,電気特性(EP)トモグラフィ(EPT)のための物理インフォームドフーリエネットワーク(PIFON)について紹介する。
本手法は,雑音および不完全磁気共鳴(mr)測定に基づく逆散乱問題を解くことで,epsをグローバルに学習することができる。
\textit{methods:} 私たちは、$b_1^{+}$ netとep netという2つの完全に接続されたニューラルネットワークを使って、$b_1^{+}$フィールドとepsを任意の場所で学習します。
ランダムフーリエ特徴マッピングは$b_1^{+}$ netに埋め込まれており、$b_1^{+}$フィールドをより効率的に学習することができる。
これら2つのニューラルネットワークは、勾配降下による物理インフォームド損失とデータミスマッチ損失の組合せを最小化することにより、共同で訓練される。
\textit{Results:} PIFON-EPTによるEPの物理的に一貫した再構成と関心領域全体の送信が,全容積のノイズMR測定の半分が欠落している場合でも可能であることを示した。
平均誤差はファントム全体の体積に対して、相対的な誘電率、導電率、およびB_{1}^{+}$に対して$2.49\%、$4.09\%、$0.32\%であった。
B_z$をゼロと仮定した実験では、PIFON-EPTは境界条件を必要とせず、異なるEP値の領域間の界面付近で正確なEP予測を得ることができた。
\textit{Conclusion:} この研究はPIFON-EPTの実現可能性を示し、電気的特性推定の正確かつ効果的な方法である可能性が示唆された。
\textit{Significance:} PIFON-EPTは、他のMRベースのEPT技術を改善する可能性を示すMR測定を効率的にデノイズ化することができる。
さらに,不完全擬似雑音MR測定からEPと$B_{1}^{+}$フィールドを同時に再構成できるのは,MRベースのEPT法が初めてである。
関連論文リスト
- Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。
提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
論文 参考訳（メタデータ） (2024-11-15T07:42:02Z) - Thawed Gaussian wavepacket dynamics with $Δ$-machine learned potentials [0.0]
可変幅(ソード)ガウス波束(GWP)変動力学を機械学習電位上で行う手法を開発した。
ポテンシャルエネルギー面(PES)を適合させる代わりに、大域高調波近似(GHA)に対するアンハーモニック補正をカーネルリッジ回帰を用いて行う。
論文 参考訳（メタデータ） (2024-04-30T20:53:05Z) - On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional
Encoding [79.67071790034609]
我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。
PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。
SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
論文 参考訳（メタデータ） (2024-01-02T10:51:52Z) - Deep learning for full-field ultrasonic characterization [7.120879473925905]
本研究では、最近の機械学習の進歩を活用して、物理に基づくデータ分析プラットフォームを構築する。
直接反転と物理インフォームドニューラルネットワーク(PINN)の2つの論理について検討した。
論文 参考訳（メタデータ） (2023-01-06T05:01:05Z) - First-quantized eigensolver for ground and excited states of electrons
under a uniform magnetic field [0.0]
第一量子化固有解法(英: First-quantized eigensolver, FQE)は、近年提案されている量子計算のフレームワークである。
本稿では,FQE計算に均一な磁場を導入する手法を提案する。
論文 参考訳（メタデータ） (2022-12-28T12:44:44Z) - MR-Based Electrical Property Reconstruction Using Physics-Informed
Neural Networks [13.395309039582916]
電気的性質(EP)は、電磁波と生体組織の間の相互作用を規定する。
EPは、がんなどの病理学的特徴の潜在的なバイオマーカーとなり、治療のモダリティを改善することができる。
MR-EPT(MR-based electrical properties tomography)は、MR測定を用いてEPマップを再構成する。
論文 参考訳（メタデータ） (2022-10-23T00:56:22Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳（メタデータ） (2022-06-28T12:43:38Z) - Deep Learning Architecture Based Approach For 2D-Simulation of Microwave
Plasma Interaction [5.467400475482668]
本稿では,マイクロ波-プラズマ相互作用シミュレーションのための畳み込みニューラルネットワーク(CNN)に基づく深層学習モデルを提案する。
2D-FDTD (Finite Different Time Domain) を用いたマイクロ波プラズマ相互作用に関するトレーニングデータを生成する。
次に、トレーニングされたディープラーニングモデルを用いて、誤差マージンが2%未満のプラズマプロファイル上の1GHz入射マイクロ波の散乱電界値を再現する。
論文 参考訳（メタデータ） (2022-06-02T19:37:41Z) - PREF: Phasorial Embedding Fields for Compact Neural Representations [54.44527545923917]
本稿では,脳神経信号モデリングと再構成作業を容易にするためのコンパクトな表現として,ファサール埋め込みフィールドemphPREFを提案する。
実験の結果,PreFをベースとしたニューラル信号処理技術は,2次元画像補完,3次元SDF表面回帰,5次元放射野再構成と同等であることがわかった。
論文 参考訳（メタデータ） (2022-05-26T17:43:03Z) - Tunneling Gravimetry [58.80169804428422]
慣性センシングのための物質波Fabry-P'erot干渉計の実用化の可能性について検討する。
本研究では,2つの形状における加速度測定のためのトンネル型センサについて検討した。
論文 参考訳（メタデータ） (2022-05-19T09:22:11Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。