論文の概要: A Deep Learning Approach Utilizing Covariance Matrix Analysis for the
ISBI Edited MRS Reconstruction Challenge
- arxiv url: http://arxiv.org/abs/2306.02984v1
- Date: Mon, 5 Jun 2023 15:53:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 14:01:35.932467
- Title: A Deep Learning Approach Utilizing Covariance Matrix Analysis for the
ISBI Edited MRS Reconstruction Challenge
- Title(参考訳): ISBI編集MSS再構築のための共分散行列解析を用いた深層学習手法
- Authors: Julian P. Merkofer, Dennis M. J. van de Sande, Sina Amirrajab, Gerhard
S. Drenthen, Mitko Veta, Jacobus F. A. Jansen, Marcel Breeuwer, and Ruud J.
G. van Sloun
- Abstract要約: 本研究は,機械学習モデルを用いて,高品質な磁気共鳴分光法(MRS)スキャンの取得を高速化する手法を提案する。
この方法はトランジェントの数に不変であり、合成シナリオとin-vivoシナリオの両方に対して頑健でノイズの多い入力データである。
- 参考スコア(独自算出の注目度): 13.610321486594756
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work proposes a method to accelerate the acquisition of high-quality
edited magnetic resonance spectroscopy (MRS) scans using machine learning
models taking the sample covariance matrix as input. The method is invariant to
the number of transients and robust to noisy input data for both synthetic as
well as in-vivo scenarios.
- Abstract(参考訳): 本研究では, サンプル共分散行列を入力とした機械学習モデルを用いて, 高品質なMRSスキャンの取得を高速化する手法を提案する。
この方法はトランジェント数に不変であり、合成とin-vivoシナリオの両方でノイズ入力データに頑健である。
関連論文リスト
- Q-MRS: A Deep Learning Framework for Quantitative Magnetic Resonance Spectra Analysis [13.779430559468926]
本研究では,トランスファーラーニングを用いたディープラーニング(DL)フレームワークを導入し,シミュレーションデータセット上でモデルを事前学習し,生体内データの微調整を行う。
提案したフレームワークは,BIG GABAレポジトリのPhilipsデータセットに適用した場合,有望なパフォーマンスを示した。
論文 参考訳(メタデータ) (2024-08-28T18:05:53Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳(メタデータ) (2024-07-19T13:33:38Z) - Weakly supervised covariance matrices alignment through Stiefel matrices
estimation for MEG applications [64.20396555814513]
本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。
我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。
MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
論文 参考訳(メタデータ) (2024-01-24T19:04:49Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳(メタデータ) (2023-12-19T21:45:38Z) - Mixture of Coupled HMMs for Robust Modeling of Multivariate Healthcare
Time Series [7.5986411724707095]
隠れマルコフモデル(M-CHMM)を結合した新しいモデルのクラスを提案する。
モデル学習を実現するために、CHMM内の潜伏変数のシーケンスをサンプリングする2つのアルゴリズムを導出する。
既存の推論手法と比較して,アルゴリズムは計算可能であり,混合性が向上し,推定精度が向上する。
論文 参考訳(メタデータ) (2023-11-14T02:55:37Z) - A Direct Sampling-Based Deep Learning Approach for Inverse Medium
Scattering Problems [3.776050336003086]
非均一な散乱体を再構成するための新しい直接サンプリングベースディープラーニング手法(DSM-DL)を提案する。
提案するDSM-DLは,計算効率が高く,ノイズに耐性があり,実装が容易で,自然に複数の計測データを組み込むことができる。
論文 参考訳(メタデータ) (2023-04-29T12:29:30Z) - Relational Reasoning via Set Transformers: Provable Efficiency and
Applications to MARL [154.13105285663656]
置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。
残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。
モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
論文 参考訳(メタデータ) (2022-09-20T16:42:59Z) - A Survey of Applied Machine Learning Techniques for Optical OFDM based
Networks [0.0]
光周波数分割多重化(O-OFDM)に基づく光通信のための最新の機械学習(ML)技術について分析する。
例えば、MLは変調率の低い信号品質を改善するか、決定論とパラメトリック誘導非線形性の両方に取り組むことができる。
O-OFDM伝送性能と計算複雑性の両面から,教師なしおよび教師なしのML手法を解析した。
論文 参考訳(メタデータ) (2021-05-07T14:29:25Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Simulation-Assisted Decorrelation for Resonant Anomaly Detection [1.5675763601034223]
異常検出に対する弱い、教師なしの機械学習アプローチが増えている。
例の1つは共鳴新しい物理学の探索であり、そこではバンプハントを不変質量スペクトルで行うことができる。
学習に最小限の原型シミュレーションを組み込むことにより,この問題に対する2つの解決策を探求する。
論文 参考訳(メタデータ) (2020-09-04T14:02:15Z) - Modal Regression based Structured Low-rank Matrix Recovery for
Multi-view Learning [70.57193072829288]
近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。
既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。
本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
論文 参考訳(メタデータ) (2020-03-22T03:57:38Z)
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。