論文の概要: Task-based Generation of Optimized Projection Sets using Differentiable Ranking

• arxiv url: http://arxiv.org/abs/2303.11724v1
• Date: Tue, 21 Mar 2023 10:29:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 15:44:30.387695
• Title: Task-based Generation of Optimized Projection Sets using Differentiable Ranking
• Title（参考訳）: 微分ランク付けによる最適投影集合のタスクベース生成
• Authors: Linda-Sophie Schneider, Mareike Thies, Christopher Syben, Richard Schielein, Mathias Unberath, Andreas Maier
• Abstract要約: このアプローチは、プロジェクションベースの検出性とデータ完全性という2つの重要な要素を、単一のフィードフォワードニューラルネットワークに統合する。 ネットワークはプロジェクションの価値を評価し、それらを微分可能なランク関数で処理し、ストレートスルー推定器を用いて最終選択を行う。
• 参考スコア（独自算出の注目度）: 13.19384722802772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a method for selecting valuable projections in computed tomography (CT) scans to enhance image reconstruction and diagnosis. The approach integrates two important factors, projection-based detectability and data completeness, into a single feed-forward neural network. The network evaluates the value of projections, processes them through a differentiable ranking function and makes the final selection using a straight-through estimator. Data completeness is ensured through the label provided during training. The approach eliminates the need for heuristically enforcing data completeness, which may exclude valuable projections. The method is evaluated on simulated data in a non-destructive testing scenario, where the aim is to maximize the reconstruction quality within a specified region of interest. We achieve comparable results to previous methods, laying the foundation for using reconstruction-based loss functions to learn the selection of projections.
• Abstract（参考訳）: 画像再構成と診断の精度を高めるため,CTスキャンで有意な投射を抽出する方法を提案する。 このアプローチでは、投影に基づく検出可能性とデータ完全性という2つの重要な要素を単一のフィードフォワードニューラルネットワークに統合する。 ネットワークは、投影値を評価し、微分可能なランキング関数を通して処理し、ストレートスルー推定器を用いて最終選択を行う。 データ完全性はトレーニング中に提供されるラベルを通じて保証される。 このアプローチでは、価値ある投影を除外するデータ完全性をヒューリスティックに強制する必要がなくなる。 本手法は,特定領域における復元品質を最大化することを目的とした非破壊試験シナリオにおいて,シミュレーションデータを用いて評価を行う。 従来の手法と同等の結果を得られ, 投影の選択を学習するために, 再構成型損失関数を用いた基礎を構築した。

関連論文リスト

• Diffusion-based Layer-wise Semantic Reconstruction for Unsupervised Out-of-Distribution Detection [30.02748131967826]
  教師なしのアウト・オブ・ディストリビューション(OOD)検出は、未ラベルのIn-Distribution(ID)トレーニングサンプルからのみ学習することで、ドメイン外のデータを識別することを目的としている。 現在の再構成手法は, 画素/機能空間における入力と対応する生成物間の再構成誤差を測定することで, 優れた代替手法を提供する。 拡散に基づく階層的意味再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T04:54:07Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• Reducing the cost of posterior sampling in linear inverse problems via task-dependent score learning [5.340736751238338]
  前方マッピングの評価は, 後部サンプル生成時に完全に回避可能であることを示す。 この観測は、最近導入された無限次元拡散モデルの枠組みに一般化されることを証明している。
  論文  参考訳（メタデータ） (2024-05-24T15:33:27Z)
• Efficient Transferability Assessment for Selection of Pre-trained Detectors [63.21514888618542]
  本稿では,事前学習対象検出器の効率的な伝達性評価について検討する。 我々は、事前訓練された検出器の大規模で多様な動物園を含む検出器転送性ベンチマークを構築した。 実験により,本手法は伝達性の評価において,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-14T14:23:23Z)
• Integer Optimization of CT Trajectories using a Discrete Data Completeness Formulation [3.924235219960689]
  X線CTは、幅広い医療・産業用途のために3次元構造をデジタル化する上で重要な役割を果たしている。 従来のCTシステムは、しばしば標準的な円形およびヘリカルスキャンの軌跡に依存しており、大きな物体、複雑な構造、資源の制約を含む挑戦的なシナリオには最適ではないかもしれない。 我々は、対象物に関する任意の視点から投影を得る柔軟性を提供する双対ロボットCTシステムの可能性を探っている。
  論文  参考訳（メタデータ） (2024-01-29T10:38:58Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations [76.82124752950148]
  我々はデータ拡張を選択するための便利な勾配法を開発した。 我々はKronecker-factored Laplace近似を我々の目的とする限界確率に近似する。
  論文  参考訳（メタデータ） (2022-02-22T02:51:11Z)
• Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark Detection in Medical Images [15.7026400415269]
  本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。 提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-19T13:39:18Z)
• Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
  階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。 本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-11T09:50:24Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• IVFS: Simple and Efficient Feature Selection for High Dimensional Topology Preservation [33.424663018395684]
  本稿では,サンプル類似性保存を向上する簡易かつ効果的な特徴選択アルゴリズムを提案する。 提案アルゴリズムは、全データの対距離と位相パターンを適切に保存することができる。
  論文  参考訳（メタデータ） (2020-04-02T23:05:00Z)

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。