論文の概要: PIFON-EPT: MR-Based Electrical Property Tomography Using
Physics-Informed Fourier Networks
- arxiv url: http://arxiv.org/abs/2302.11883v3
- Date: Thu, 30 Mar 2023 07:09:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 17:05:07.407610
- 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: PIFON-EPT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決する新しいディープラーニングベースの手法である。
PIFON-EPTは、不完全雑音MR測定からEPとB_1+$を同時に再構成できる最初の技術である。
- 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 for Electrical Properties Tomography (PIFON-EPT), a novel deep
learning-based method that solves an inverse scattering problem based on noisy
and/or incomplete magnetic resonance (MR) measurements. \textit{Methods:} We
used two separate fully-connected neural networks, namely $B_1^{+}$ Net and EP
Net, to solve the Helmholtz equation in order to learn a de-noised version of
the input $B_1^{+}$ maps and estimate the object's EP. A random Fourier
features mapping was embedded into $B_1^{+}$ Net, to learn the high-frequency
details of $B_1^{+}$ more efficiently. The two neural networks were trained
jointly by minimizing the combination of a physics-informed loss and a data
mismatch loss via gradient descent. \textit{Results:} We performed several
numerical experiments, showing that PIFON-EPT could provide physically
consistent reconstructions of the EP and transmit field. Even when only $50\%$
of the noisy MR measurements were used as inputs, our method could still
reconstruct the EP and transmit field with average error $2.49\%$, $4.09\%$ and
$0.32\%$ for the relative permittivity, conductivity and $B_{1}^{+}$,
respectively, over the entire volume of the phantom. The generalized version of
PIFON-EPT that accounts for gradients of EP yielded accurate results at 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 EP
estimation. \textit{Significance:} PIFON-EPT can efficiently de-noise $B_1^{+}$
maps, which has the potential to improve other MR-based EPT techniques.
Furthermore, PIFON-EPT is the first technique that can reconstruct EP and
$B_{1}^{+}$ simultaneously from incomplete noisy MR measurements.
- Abstract(参考訳): 本稿では,ノイズおよび/または不完全磁気共鳴(MR)測定に基づく逆散乱問題の解法であるPFON-EPT(Physical-Informed Fourier Networks for Electrical Properties Tomography)を紹介する。
ヘルムホルツ方程式を解くために、入力された$b_1^{+}$マップの非有線バージョンを学習し、対象のepを推定するために、$b_1^{+}$ net と ep net という2つの独立した完全接続ニューラルネットワークを使いました。
ランダムなフーリエ特徴マッピングが$b_1^{+}$ netに組み込まれ、$b_1^{+}$の高周波詳細がより効率的に学習された。
2つのニューラルネットワークは、物理インフォームド損失と勾配降下によるデータミスマッチ損失の最小化により、共同でトレーニングされた。
PIFON-EPTがEPと送信フィールドの物理的に一貫した再構成を提供できることを示す数値実験を行った。
ノイズの少ないmr測定の50\%$のみが入力として使われた場合でも、ファントム全体の相対誘電率、導電率、および$b_{1}^{+}$に対して平均誤差2.49\%$、$4.09\%$、$0.32\%$でepと送信フィールドを再構成することができた。
EPの勾配を考慮したPIFON-EPTの一般化版は、境界条件を必要としない異なるEP値の領域間の界面で正確な結果を得た。
この研究はPIFON-EPTの実現可能性を示し、EP推定の正確かつ効果的な方法であることを示した。
\textit{Significance:} PIFON-EPTは、他のMRベースのEPT技術を改善する可能性がある$B_1^{+}$マップを効率的にデノイズすることができる。
さらに、PIFON-EPTは、不完全雑音MR測定からEPとB_{1}^{+}$を同時に再構成できる最初の技術である。
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 [76.78321723602636]
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。