論文の概要: PIFON-EPT: MR-Based Electrical Property Tomography Using
Physics-Informed Fourier Networks
- arxiv url: http://arxiv.org/abs/2302.11883v4
- Date: Wed, 20 Dec 2023 20:19:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 19:34:45.311935
- 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(PIFON-EPT)のための物理インフォームドフーリエネットワークを提案する。
PIFON-EPTは、ノイズおよび/または不完全磁気共鳴(MR)測定を用いたEP再構成のための新しい深層学習法である。
- 参考スコア（独自算出の注目度）: 12.441572276916567
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose Physics-Informed Fourier Networks for Electrical Properties (EP)
Tomography (PIFON-EPT), a novel deep learning-based method for EP
reconstruction using noisy and/or incomplete magnetic resonance (MR)
measurements. Our approach leverages the Helmholtz equation to constrain two
networks, responsible for the denoising and completion of the transmit fields,
and the estimation of the object's EP, respectively. We embed a random Fourier
features mapping into our networks to enable efficient learning of
high-frequency details encoded in the transmit fields. We demonstrated the
efficacy of PIFON-EPT through several simulated experiments at 3 and 7 tesla
(T) MR imaging, and showed that our method can reconstruct physically
consistent EP and transmit fields. Specifically, when only $20\%$ of the noisy
measured fields were used as inputs, PIFON-EPT reconstructed the EP of a
phantom with $\leq 5\%$ error, and denoised and completed the measurements with
$\leq 1\%$ error. Additionally, we adapted PIFON-EPT to solve the generalized
Helmholtz equation that accounts for gradients of EP between inhomogeneities.
This yielded improved results at interfaces between different materials without
explicit knowledge of boundary conditions. PIFON-EPT is the first method that
can simultaneously reconstruct EP and transmit fields from incomplete noisy MR
measurements, providing new opportunities for EPT research.
- Abstract（参考訳）: ノイズおよび/または不完全な磁気共鳴(MR)測定を用いたEP再構成のための新しい深層学習手法であるPFON-EPT(Physical-Informed Fourier Networks for Electrical Properties)トモグラフィーを提案する。
提案手法では、ヘルムホルツ方程式を利用して2つのネットワークを制約し、それぞれ送信フィールドの分断と完了、および対象のepの推定を行う。
ネットワークにランダムなフーリエ特徴マッピングを埋め込み、送信フィールドにエンコードされた高周波詳細の効率的な学習を可能にします。
PIFON-EPTの有効性を3および7 tesla (T) MR画像で実証し, 物理的に一貫したEPを再構成し, 送信フィールドを再現できることを実証した。
具体的には、ノイズ測定フィールドの20\%しか入力として使用しなかった場合、PIFON-EPTは、ファントムのEPを$\leq 5\%$エラーで再構成し、$\leq 1\%$エラーでデノライズし、測定を完了した。
さらに、不均一性の間のEPの勾配を考慮した一般化ヘルムホルツ方程式を解くために、PIFON-EPTを適用した。
これにより、境界条件を明示的に知ることなく、異なる材料間の界面におけるより良い結果が得られる。
PIFON-EPTは、EPを同時に再構成し、不完全ノイズMR測定からフィールドを送信し、EPT研究の新しい機会を提供する最初の方法である。
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。