論文の概要: Learning end-to-end inversion of circular Radon transforms in the
partial radial setup
- arxiv url: http://arxiv.org/abs/2308.14144v1
- Date: Sun, 27 Aug 2023 15:57:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 16:34:41.429337
- Title: Learning end-to-end inversion of circular Radon transforms in the
partial radial setup
- Title(参考訳): 部分放射状セットアップにおける円ラドン変換のエンドツーエンドインバージョン学習
- Authors: Deep Ray and Souvik Roy
- Abstract要約: 光音響トモグラフィーで発生する部分放射能セットアップにおける円形ラドン変換の逆変換のための深層学習アルゴリズムを提案する。
まず、この問題を解決するのに唯一の伝統的なアルゴリズムである、切り詰められた特異値分解に基づく手法が、再構成されたフィールドを使用不能とみなす深刻なアーティファクトを生み出すことを実証した。
この計算ボトルネックを克服する目的で、ResBlockベースのU-Netをトレーニングし、測定データ上で直接動作する推論されたフィールドを復元する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a deep learning-based computational algorithm for inversion of
circular Radon transforms in the partial radial setup, arising in photoacoustic
tomography. We first demonstrate that the truncated singular value
decomposition-based method, which is the only traditional algorithm available
to solve this problem, leads to severe artifacts which renders the
reconstructed field as unusable. With the objective of overcoming this
computational bottleneck, we train a ResBlock based U-Net to recover the
inferred field that directly operates on the measured data. Numerical results
with augmented Shepp-Logan phantoms, in the presence of noisy full and limited
view data, demonstrate the superiority of the proposed algorithm.
- Abstract(参考訳): 本稿では,光音響トモグラフィで発生する部分的放射状設定における円ラドン変換の反転に関する深層学習に基づく計算アルゴリズムを提案する。
まず,この問題を解決する唯一の従来のアルゴリズムである,切断された特異値分解に基づく手法が,再構成されたフィールドを使用不能にするような厳格なアーティファクトに繋がることを示す。
この計算ボトルネックを克服する目的で、ResBlockベースのU-Netをトレーニングし、測定データ上で直接動作する推論されたフィールドを復元する。
拡張Shepp-Loganファントムによる数値計算の結果、ノイズの多いフル・リミテッドなビューデータが存在する場合、提案アルゴリズムの優位性を示す。
関連論文リスト
- A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。
提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文 参考訳(メタデータ) (2024-09-07T06:37:23Z) - AugUndo: Scaling Up Augmentations for Monocular Depth Completion and Estimation [51.143540967290114]
本研究では,教師なし深度計算と推定のために,従来不可能であった幾何拡張の幅広い範囲をアンロックする手法を提案する。
これは、出力深さの座標への幾何変換を反転、あるいはアンドウイング(undo''-ing)し、深度マップを元の参照フレームに戻すことで達成される。
論文 参考訳(メタデータ) (2023-10-15T05:15:45Z) - Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。
金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
論文 参考訳(メタデータ) (2023-10-06T00:47:57Z) - A Deep Learning Approach for SAR Tomographic Imaging of Forested Areas [10.477070348391079]
我々は,1つのフィードフォワードパスでトモグラフィインバージョンを実行するために,軽量ニューラルネットワークをトレーニング可能であることを示す。
我々は、シミュレーションデータを用いてエンコーダ・デコーダネットワークを訓練し、実LバンドとPバンドのデータに基づいてその手法を検証する。
論文 参考訳(メタデータ) (2023-01-20T14:34:03Z) - 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) - Robust reconstructions by multi-scale/irregular tangential covering [38.469070341871365]
我々は,雑音の多いディジタル輪郭を幾何的に再構成するために,具体的な被覆アルゴリズム,minDSSを用いる。
輪郭の多スケールおよび不規則な等義表現を計算することにより、1-D間隔を得た。
入力ノイズオブジェクトを最小限のプリミティブ数で行または弧からなる巡回輪郭に再構築することができる。
論文 参考訳(メタデータ) (2021-11-10T14:02:05Z) - Deep Microlocal Reconstruction for Limited-Angle Tomography [1.559929646151698]
トモグラフィー画像における再構成問題とウェーブフロントセット抽出問題を共同で解くための深層学習に基づくアルゴリズムを提案する。
このアルゴリズムは、最近開発されたデジタルウェーブフロントセット抽出器と、ラドン変換のよく知られた局所的標準関係に基づいている。
論文 参考訳(メタデータ) (2021-08-12T13:16:38Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳(メタデータ) (2021-03-24T08:16:32Z) - Anti-Aliasing Add-On for Deep Prior Seismic Data Interpolation [20.336981948463702]
問題に正則化項として方向ラプラシアンを加えることで,Deep Prior Inversionを改善することを提案する。
ノイズや破損したデータの存在下でも,この結果がエイリアスする傾向が低いことを示す。
論文 参考訳(メタデータ) (2021-01-27T12:46:58Z) - Uncalibrated Neural Inverse Rendering for Photometric Stereo of General
Surfaces [103.08512487830669]
本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。
既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。
本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
論文 参考訳(メタデータ) (2020-12-12T10:33:08Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z)
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。