Fugu-MT 論文翻訳(概要): Deep Learning reconstruction with uncertainty estimation for $\gamma$ photon interaction in fast scintillator detectors

論文の概要: Deep Learning reconstruction with uncertainty estimation for $\gamma$ photon interaction in fast scintillator detectors

arxiv url: http://arxiv.org/abs/2310.06572v1
Date: Tue, 10 Oct 2023 12:31:29 GMT
ステータス: 処理完了
システム内更新日: 2023-10-12 01:45:21.810920
Title: Deep Learning reconstruction with uncertainty estimation for $\gamma$ photon interaction in fast scintillator detectors
Title（参考訳）: 高速シンチレータ検出器における$\gamma$光子相互作用の不確実性推定によるディープラーニング再構成
Authors: Geoffrey Daniel, Mohamed Bahi Yahiaoui, Claude Comtat, Sebastien Jan, Olga Kochebina, Jean-Marc Martinez, Viktoriya Sergeyeva, Viatcheslav Sharyy, Chi-Hsun Sung, Dominique Yvon
Abstract要約: 本稿では,モノリシックシンチレータ内のガンマ相互作用の空間座標を定量的に推定する物理インフォームド深層学習法を提案する。高速鉛タングステイト検出器における2次元ガンマ光子相互作用座標を推定する密度ニューラルネットワーク手法が提案されている。
参考スコア（独自算出の注目度）: 1.0149560203037322
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article presents a physics-informed deep learning method for the quantitative estimation of the spatial coordinates of gamma interactions within a monolithic scintillator, with a focus on Positron Emission Tomography (PET) imaging. A Density Neural Network approach is designed to estimate the 2-dimensional gamma photon interaction coordinates in a fast lead tungstate (PbWO4) monolithic scintillator detector. We introduce a custom loss function to estimate the inherent uncertainties associated with the reconstruction process and to incorporate the physical constraints of the detector. This unique combination allows for more robust and reliable position estimations and the obtained results demonstrate the effectiveness of the proposed approach and highlights the significant benefits of the uncertainties estimation. We discuss its potential impact on improving PET imaging quality and show how the results can be used to improve the exploitation of the model, to bring benefits to the application and how to evaluate the validity of the given prediction and the associated uncertainties. Importantly, our proposed methodology extends beyond this specific use case, as it can be generalized to other applications beyond PET imaging.
Abstract（参考訳）: 本稿では,モノリシックシンチレータ内のガンマ相互作用の空間座標を定量的に推定するための物理学的インフォームド深層学習法について述べる。密度ニューラルネットワークは高速鉛タングステート(PbWO4)モノリシックシンチレータにおける2次元ガンマ光子相互作用座標を推定するために設計されている。本稿では,再建過程に関連する不確実性を推定し,検出器の物理的制約を組み込むために,カスタム損失関数を導入する。このユニークな組み合わせにより、より堅牢で信頼性の高い位置推定が可能となり、得られた結果は、提案手法の有効性を示し、不確実性推定の重要な利点を強調する。本稿では,PET画像の画質向上に対するその潜在的影響について論じるとともに,モデルの利用改善,アプリケーションへのメリットの付与,与えられた予測の有効性と関連する不確実性を評価する方法について述べる。提案手法は,PET画像以外の応用にも応用できるため,このユースケースを超えて拡張されている。

関連論文リスト

CLAP. I. Resolving miscalibration for deep learning-based galaxy photometric redshift estimation [3.611102630303458]
我々は、光赤方偏移(CLAP)のためのContrastive Learning and Adaptive KNNと呼ばれる新しい手法を開発した。教師付きコントラスト学習(SCL)とk-アネレスト近隣(KNN)を利用して、生の確率密度推定を構築し、校正する。ハーモニック平均は、精度を向上させるために複数の実現からの推定値のアンサンブルを組み合わせるために用いられる。
論文参考訳（メタデータ） (2024-10-25T08:46:55Z)
UAHOI: Uncertainty-aware Robust Interaction Learning for HOI Detection [18.25576487115016]
本稿では,Human-Object Interaction(HOI)検出について述べる。与えられた画像やビデオフレーム内の人間とオブジェクト間の相互作用を識別し、理解するという課題に対処する。本研究では,不確実性を考慮したロバストなヒューマンオブジェクトインタラクション学習であるtextscUAHOIを提案する。
論文参考訳（メタデータ） (2024-08-14T10:06:39Z)
Towards Consistent Object Detection via LiDAR-Camera Synergy [17.665362927472973]
物体の位置を点雲と画像の両方で検出できる既存のモデルは存在しない。本稿では,エンドツーエンドの一貫性オブジェクト検出(COD)アルゴリズムフレームワークを提案する。本稿では,点雲と画像間の物体相関の精度を評価するために,新しい評価指標である一貫性精度(Consistency Precision)を提案する。
論文参考訳（メタデータ） (2024-05-02T13:04:26Z)
Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文参考訳（メタデータ） (2024-02-27T10:38:05Z)
Optimizing single-photon quantum radar detection through partially postselected filtering [6.205890788332882]
本研究では,光子状態の測定による吸収材料の透過・反射の促進を目的としたアプローチについて検討する。その結果,平均二乗誤差の増加にもかかわらず,信号対雑音比の撮像が顕著に向上していることが判明した。これらの知見は、量子レーダの実装における我々のアプローチの潜在的な実用的応用を浮き彫りにしている。
論文参考訳（メタデータ） (2024-02-25T08:46:48Z)
Image Prior and Posterior Conditional Probability Representation for Efficient Damage Assessment [51.631659414455825]
人的援助及び災害対応のための被害評価の定量化が重要である。本稿では,画像先行と後部条件付き確率(IP2CP)を有効計算画像表現として開発する。一致した前と後の画像は、1つの画像に効果的に符号化され、その画像は深層学習アプローチを用いて処理され、損傷レベルが決定される。
論文参考訳（メタデータ） (2023-10-26T22:17:37Z)
EndoDepthL: Lightweight Endoscopic Monocular Depth Estimation with CNN-Transformer [0.0]
我々は,CNNとTransformerを統合してマルチスケール深度マップを推定する,EndoDepthLという新しい軽量ソリューションを提案する。提案手法は,ネットワークアーキテクチャの最適化,マルチスケール拡張畳み込み,マルチチャネルアテンション機構の導入を含む。内視鏡画像における単眼深度推定の性能をよりよく評価するために,新しい複雑性評価指標を提案する。
論文参考訳（メタデータ） (2023-08-04T21:38:29Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions [53.478856119297284]
特徴位置における異方性および不均一性を考慮した確率論的正規極性制約(PNEC)を導入する。合成データの実験において、新しいPNECは元のNECよりも正確な回転推定値が得られることを示した。我々は,提案手法を最先端のモノクロ回転専用オドメトリーシステムに統合し,実世界のKITTIデータセットに対して一貫した改良を行った。
論文参考訳（メタデータ） (2022-04-05T14:47:11Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文参考訳（メタデータ） (2021-11-08T07:57:30Z)

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。