論文の概要: Posterior Estimation for Dynamic PET imaging using Conditional Variational Inference

• arxiv url: http://arxiv.org/abs/2310.15850v1
• Date: Tue, 24 Oct 2023 14:05:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 18:29:06.025423
• Title: Posterior Estimation for Dynamic PET imaging using Conditional Variational Inference
• Title（参考訳）: 条件変化推論を用いた動的PET画像の後方推定
• Authors: Xiaofeng Liu, Thibault Marin, Tiss Amal, Jonghye Woo, Georges El Fakhri, Jinsong Ouyang
• Abstract要約: 効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。 具体的には、潜伏変数を導入することにより、フォワードプロセスにおける情報損失に対処する。
• 参考スコア（独自算出の注目度）: 10.206699988915183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work aims efficiently estimating the posterior distribution of kinetic parameters for dynamic positron emission tomography (PET) imaging given a measurement of time of activity curve. Considering the inherent information loss from parametric imaging to measurement space with the forward kinetic model, the inverse mapping is ambiguous. The conventional (but expensive) solution can be the Markov Chain Monte Carlo (MCMC) sampling, which is known to produce unbiased asymptotical estimation. We propose a deep-learning-based framework for efficient posterior estimation. Specifically, we counteract the information loss in the forward process by introducing latent variables. Then, we use a conditional variational autoencoder (CVAE) and optimize its evidence lower bound. The well-trained decoder is able to infer the posterior with a given measurement and the sampled latent variables following a simple multivariate Gaussian distribution. We validate our CVAE-based method using unbiased MCMC as the reference for low-dimensional data (a single brain region) with the simplified reference tissue model.
• Abstract（参考訳）: 本研究の目的は, 活動曲線の測定値から, 動的ポジトロン放射トモグラフィ(PET)イメージングにおける運動パラメータの後方分布を効率的に推定することである。 前向き運動モデルによるパラメトリックイメージングから計測空間への固有情報損失を考えると、逆写像は曖昧である。 従来の(しかし高価な)解はマルコフ連鎖モンテカルロサンプリング(英語版)(mcmc)であり、偏りのない漸近的推定を生じることが知られている。 効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。 具体的には、潜在変数を導入することで、フォワードプロセスの情報損失を相殺する。 次に,条件付き変分オートエンコーダ(CVAE)を用いて,そのエビデンスを低境界で最適化する。 十分に訓練されたデコーダは、与えられた測定値とサンプルされた潜在変数を単純な多変量ガウス分布に従って推測することができる。 低次元データ(単一脳領域)の参照として非バイアスMCMCを用いたCVAE法を簡易な参照組織モデルで検証した。

関連論文リスト

• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• MOSAIC: Masked Optimisation with Selective Attention for Image Reconstruction [0.5541644538483947]
  本研究では,無作為な計測値の選択を考慮に入れた画像再構成のための新しい圧縮センシングフレームワークを提案する。 MOSAICは、エンコードされた一連の測定に注意機構を効率的に適用するために埋め込み技術を採用している。 既存のCS再建手法の代替として,提案するアーキテクチャを検証した。
  論文  参考訳（メタデータ） (2023-06-01T17:05:02Z)
• Object based Bayesian full-waveform inversion for shear elastography [0.0]
  組織中の異常画像のせん断エラストグラフィーにおける不確かさを定量化する計算手法を開発した。 パラメータフィールドの後方確率は異常の幾何とそのせん断率を表わす。 滑らかで不規則な形状の合成2次元試験に対するアプローチを実証する。
  論文  参考訳（メタデータ） (2023-05-11T08:25:25Z)
• Posterior Estimation Using Deep Learning: A Simulation Study of Compartmental Modeling in Dynamic PET [10.548241058414668]
  医用画像では、画像は通常決定論的として扱われるが、その不確実性はほとんど探索されていない。 本研究の目的は、ディープラーニングを用いて画像パラメータの後方分布を効率的に推定することである。
  論文  参考訳（メタデータ） (2023-03-17T15:38:11Z)
• Variational Laplace Autoencoders [53.08170674326728]
  変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。 完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。 また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
  論文  参考訳（メタデータ） (2022-11-30T18:59:27Z)
• MRI Reconstruction via Data Driven Markov Chain with Joint Uncertainty Estimation [3.5751623095926806]
  本稿では,MRI再構成のための学習確率分布からの効率的なサンプリングを可能にするフレームワークを提案する。 データ駆動型マルコフ連鎖は、所定の画像データベースから学習した生成モデルから構築される。 提案手法の性能は, 10倍の高速化獲得を用いて, オープンデータセット上で評価する。
  論文  参考訳（メタデータ） (2022-02-03T09:13:49Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Score-based diffusion models for accelerated MRI [35.3148116010546]
  本研究では,画像中の逆問題を容易に解けるような条件分布からデータをサンプリングする方法を提案する。 我々のモデルは、訓練のためにのみ等級画像を必要とするが、複雑な値のデータを再構成することができ、さらに並列画像まで拡張できる。
  論文  参考訳（メタデータ） (2021-10-08T08:42:03Z)
• Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
  画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
  論文  参考訳（メタデータ） (2021-10-07T11:08:11Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)

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。