論文の概要: Model-corrected learned primal-dual models for fast limited-view
photoacoustic tomography
- arxiv url: http://arxiv.org/abs/2304.01963v1
- Date: Tue, 4 Apr 2023 17:13:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 13:04:07.573583
- Title: Model-corrected learned primal-dual models for fast limited-view
photoacoustic tomography
- Title(参考訳): 高速限定光音響トモグラフィーのためのモデル補正学習原始双対モデル
- Authors: Andreas Hauptmann and Jenni Poimala
- Abstract要約: 学習された反復的再構成は、モデル摂動に対する経験的堅牢性で断層画像の加速を約束する。
高速近似モデルを用いることで計算可能性を得ることができるが、モデル誤差を補う必要が生じる。
学習画像再構成におけるモデル修正の方法論的・理論的基礎を,学習された原始双対の枠組みに埋め込むことにより前進させる。
- 参考スコア(独自算出の注目度): 2.631277214890658
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learned iterative reconstructions hold great promise to accelerate
tomographic imaging with empirical robustness to model perturbations.
Nevertheless, an adoption for photoacoustic tomography is hindered by the need
to repeatedly evaluate the computational expensive forward model. Computational
feasibility can be obtained by the use of fast approximate models, but a need
to compensate model errors arises. In this work we advance the methodological
and theoretical basis for model corrections in learned image reconstructions by
embedding the model correction in a learned primal-dual framework. Here, the
model correction is jointly learned in data space coupled with a learned
updating operator in image space within an unrolled end-to-end learned
iterative reconstruction approach. The proposed formulation allows an extension
to a primal-dual deep equilibrium model providing fixed-point convergence as
well as reduced memory requirements for training. We provide theoretical and
empirical insights into the proposed models with numerical validation in a
realistic 2D limited-view setting. The model-corrected learned primal-dual
methods show excellent reconstruction quality with fast inference times and
thus providing a methodological basis for real-time capable and scalable
iterative reconstructions in photoacoustic tomography.
- Abstract(参考訳): 学習された反復的再構成は、モデル摂動に対する経験的堅牢性で断層撮影を加速する大きな約束を持っている。
それでも、光音響トモグラフィーの採用は、計算コストのかかるフォワードモデルを繰り返し評価する必要性から妨げられている。
高速近似モデルを用いることで計算可能性を得ることができるが、モデル誤差を補う必要が生じる。
本研究では,モデル補正を基礎的枠組みに組み込むことにより,学習画像再構成におけるモデル補正の方法論的・理論的基礎を前進させる。
ここで、モデル補正は、未ロールのエンドツーエンド学習反復再構築アプローチ内の画像空間における学習更新演算子と組み合わせて、データ空間で共同で学習される。
提案する定式化により,不動点収束とトレーニングのメモリ要件の低減を両立した,初等二次深部平衡モデルの拡張が可能となる。
提案するモデルに対する理論的および経験的洞察を,現実的な2次元有限視点設定で数値検証により提供する。
光音響トモグラフィーにおけるリアルタイム能動的かつスケーラブルな反復的再構成のための方法論的基盤を提供する。
関連論文リスト
- Low-resolution Prior Equilibrium Network for CT Reconstruction [3.5639148953570836]
本稿では,低分解能画像を導入し,ネットワークの堅牢性を改善するための効果的な正規化項を得る,新しいディープラーニングベースのCT再構成モデルを提案する。
狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2024-01-28T13:59:58Z) - A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。
オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
論文 参考訳(メタデータ) (2023-11-13T01:48:08Z) - Diffusion Models for Image Restoration and Enhancement -- A
Comprehensive Survey [96.99328714941657]
本稿では,近年の拡散モデルに基づく画像復元手法について概観する。
我々は、赤外線とブラインド/現実世界の両方で拡散モデルを用いて、革新的なデザインを分類し、強調する。
本稿では,拡散モデルに基づくIRの今後の研究に向けた5つの可能性と課題を提案する。
論文 参考訳(メタデータ) (2023-08-18T08:40:38Z) - Score-based Generative Models for Photoacoustic Image Reconstruction
with Rotation Consistency Constraints [6.9663558538050685]
光音響トモグラフィ(英: Photoacoustic tomography, PAT)は、高光コントラストと音響透過深度の両方を可能にする新しい画像モダリティである。
深層学習に基づく先行研究は教師ありの方法で訓練され、入力された部分的なセンサデータを全視野で再構築された地上の真実に直接マッピングする。
本稿では,ランゲヴィンダイナミクスと制約項の反復サンプリングによりPAT画像を復元する回転整合性制約付きスコアベース生成モデル(RCC-SGM)を提案する。
論文 参考訳(メタデータ) (2023-06-24T02:47:03Z) - Exploiting Diffusion Prior for Real-World Image Super-Resolution [81.0962494325732]
本稿では,事前学習したテキスト・画像拡散モデルにカプセル化された事前知識を視覚的超解像に活用するための新しいアプローチを提案する。
時間認識エンコーダを用いることで、事前学習した合成モデルを変更することなく、有望な復元結果が得られる。
論文 参考訳(メタデータ) (2023-05-11T17:55:25Z) - TexPose: Neural Texture Learning for Self-Supervised 6D Object Pose
Estimation [55.94900327396771]
合成データから6次元オブジェクトポーズ推定のためのニューラルネットワークによるテクスチャ学習を提案する。
実画像からオブジェクトの現実的なテクスチャを予測することを学ぶ。
画素完全合成データからポーズ推定を学習する。
論文 参考訳(メタデータ) (2022-12-25T13:36:32Z) - Generic Lithography Modeling with Dual-band Optics-Inspired Neural
Networks [52.200624127512874]
我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。
提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。
また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
論文 参考訳(メタデータ) (2022-03-12T08:08:50Z) - DiffuseMorph: Unsupervised Deformable Image Registration Along
Continuous Trajectory Using Diffusion Models [31.826844124173984]
DiffuseMorphと呼ばれる拡散モデルに基づく新しい確率的画像登録手法を提案する。
本モデルは,動画像と固定画像の変形のスコア関数を学習する。
本手法は, トポロジー保存機能により, 柔軟かつ高精度な変形を可能とする。
論文 参考訳(メタデータ) (2021-12-09T08:41:23Z) - Prior Image-Constrained Reconstruction using Style-Based Generative
Models [15.757204774959366]
本稿では,既知の先行画像と意味的に関連のある関心対象を推定するためのフレームワークを提案する。
スタイルベース生成モデルの非交叉潜在空間に最適化問題を定式化する。
意味的に有意な制約は、前の画像の非絡み合った潜在表現を用いて課される。
論文 参考訳(メタデータ) (2021-02-24T19:36:55Z) - LEARN++: Recurrent Dual-Domain Reconstruction Network for Compressed
Sensing CT [17.168584459606272]
LEARN++モデルは、2つの並列およびインタラクティブワークを統合して、画像と投影ドメインの両方で画像復元とシングラムインペインティング操作を同時に実行します。
その結果,learn++モデルは,アーティファクトの削減と細部保存の両面で,いくつかの最先端手法と比較して,競争力のある質的,定量的な結果が得られることがわかった。
論文 参考訳(メタデータ) (2020-12-13T07:00:50Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。