論文の概要: Sequential Experimental Design for X-Ray CT Using Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2307.06343v1
• Date: Wed, 12 Jul 2023 13:28:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 16:56:42.161498
• Title: Sequential Experimental Design for X-Ray CT Using Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習を用いたX線CTの逐次実験設計
• Authors: Tianyuan Wang, Felix Lucka, and Tristan van Leeuwen
• Abstract要約: X線CT(Computerd Tomography)では、様々な角度からの投影が取得され、3次元再構成に使用される。 Actor-Criticアプローチに基づくポリシートレーニング手法を用いて,合成データを用いた2次元トモグラフィーの性能評価を行う。
• 参考スコア（独自算出の注目度）: 3.415532231770058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In X-ray Computed Tomography (CT), projections from many angles are acquired and used for 3D reconstruction. To make CT suitable for in-line quality control, reducing the number of angles while maintaining reconstruction quality is necessary. Sparse-angle tomography is a popular approach for obtaining 3D reconstructions from limited data. To optimize its performance, one can adapt scan angles sequentially to select the most informative angles for each scanned object. Mathematically, this corresponds to solving and optimal experimental design (OED) problem. OED problems are high-dimensional, non-convex, bi-level optimization problems that cannot be solved online, i.e., during the scan. To address these challenges, we pose the OED problem as a partially observable Markov decision process in a Bayesian framework, and solve it through deep reinforcement learning. The approach learns efficient non-greedy policies to solve a given class of OED problems through extensive offline training rather than solving a given OED problem directly via numerical optimization. As such, the trained policy can successfully find the most informative scan angles online. We use a policy training method based on the Actor-Critic approach and evaluate its performance on 2D tomography with synthetic data.
• Abstract（参考訳）: x線ctでは、様々な角度からの投影が取得され、3次元再構成に用いられる。 リコンストラクション品質を維持しつつアングル数を削減し、インライン品質制御に適したctを実現する。 スパースアングルトモグラフィーは限られたデータから3次元再構成を得るための一般的な手法である。 その性能を最適化するために、スキャンされた各オブジェクトに対して最も有益な角度を選択するために、スキャン角度を順次適応することができる。 数学的には、これは解法と最適実験設計(oed)問題に対応する。 OED問題は、高次元、非凸、双レベル最適化の問題であり、オンラインでは解決できない。 これらの課題に対処するために,我々は,ベイズフレームワークにおける部分可観測マルコフ決定プロセスとしてoed問題を提案し,深層強化学習によって解決する。 このアプローチは、与えられた oed 問題を数値最適化によって直接解くのではなく、広範囲なオフライントレーニングを通じて所定の oed 問題のクラスを解決するための効率的な非欲なポリシーを学習する。 したがって、訓練されたポリシーは、最も有益なスキャンアングルをオンラインで見つけることができる。 Actor-Criticアプローチに基づくポリシートレーニング手法を用いて,合成データを用いた2次元トモグラフィーの性能評価を行う。

関連論文リスト

• 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)
• Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
  GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。 GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。 BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
  論文  参考訳（メタデータ） (2023-04-06T14:33:05Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• Curvature regularization for Non-line-of-sight Imaging from Under-sampled Data [5.591221518341613]
  非視線イメージング(NLOS)は、視線で測定されたデータから3次元の隠れたシーンを再構築することを目的としている。 曲率正規化に基づく新しいNLOS再構成モデルを提案する。 提案したアルゴリズムを,合成データセットと実データセットの両方で評価する。
  論文  参考訳（メタデータ） (2023-01-01T14:10:43Z)
• Deep Learning Assisted Optimization for 3D Reconstruction from Single 2D Line Drawings [13.532686360047574]
  本稿では,3次元物体の幾何学的実体間の対関係を検出するために,ディープニューラルネットワークを訓練することを提案する。 CADモデルの大規模なデータセット実験により、幾何学的制約解決パイプラインにおけるディープラーニングを活用することにより、最適化に基づく3D再構成の成功率を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2022-09-06T17:59:11Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)
• Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound Reconstruction [61.62191904755521]
  3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。 既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。 複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
  論文  参考訳（メタデータ） (2021-07-31T16:06:50Z)
• Learning Geometry-Guided Depth via Projective Modeling for Monocular 3D Object Detection [70.71934539556916]
  射影モデルを用いて幾何学誘導深度推定を学習し, モノクル3次元物体検出を推し進める。 具体的には,モノクロ3次元物体検出ネットワークにおける2次元および3次元深度予測の投影モデルを用いた原理的幾何式を考案した。 本手法は, 適度なテスト設定において, 余分なデータを2.80%も加えることなく, 最先端単分子法の検出性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-07-29T12:30:39Z)
• SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
  本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。 具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。 我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
  論文  参考訳（メタデータ） (2020-10-19T09:23:39Z)
• Solving the Blind Perspective-n-Point Problem End-To-End With Robust Differentiable Geometric Optimization [44.85008070868851]
  Blind Perspective-n-Pointは、シーンに対するカメラの位置を推定する問題である。 本稿では,視覚幾何学的問題を効果的に解くための,最初の完全エンドツーエンドのトレーニング可能なネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:35:45Z)

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。