Fugu-MT 論文翻訳(概要): Deep Learning as a Method for Inversion of NMR Signals

論文の概要: Deep Learning as a Method for Inversion of NMR Signals

arxiv url: http://arxiv.org/abs/2311.13722v1
Date: Wed, 22 Nov 2023 22:31:54 GMT
ステータス: 処理完了
システム内更新日: 2023-11-28 01:12:12.748284
Title: Deep Learning as a Method for Inversion of NMR Signals
Title（参考訳）: NMR信号の逆変換法としてのディープラーニング
Authors: Julian B. B. Beckmann, Mick D. Mantle, Andrew J. Sederman, Lynn F. Gladden
Abstract要約: ディープラーニングの概念はNMR信号の反転に用いられている。ディープラーニングは、正規化技術と比較して、明確な効率性とユーザビリティの優位性を提供します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The concept of deep learning is employed for the inversion of NMR signals and it is shown that NMR signal inversion can be considered as an image-to-image regression problem, which can be treated with a convolutional neural net. It is further outlined, that inversion through deep learning provides a clear efficiency and usability advantage compared to regularization techniques such as Tikhonov and modified total generalized variation (MTGV), because no hyperparemeter selection prior to reconstruction is necessary. The inversion network is applied to simulated NMR signals and the results compared with Tikhonov- and MTGV-regularization. The comparison shows that inversion via deep learning is significantly faster than the latter regularization methods and also outperforms both regularization techniques in nearly all instances.
Abstract（参考訳）: ディープラーニングの概念はNMR信号の反転に使われ、NMR信号の反転は画像から画像への回帰問題とみなすことができ、畳み込みニューラルネットで扱うことができる。さらに、深層学習によるインバージョンは、Tikhonovのような正規化技術や改良された総一般化変動(MTGV)よりも明確な効率性とユーザビリティの優位性をもたらすことが述べられている。インバージョンネットワークは、シミュレーションされたNMR信号に適用され、TikhonovとMTGVの正則化と比較される。比較の結果,ディープラーニングによる逆変換は後者の正則化手法よりもはるかに高速であり,ほぼすべてのインスタンスにおいて両正則化手法よりも優れていた。

関連論文リスト

Affine Transformation Edited and Refined Deep Neural Network for Quantitative Susceptibility Mapping [10.772763441035945]
定量的サセプティビリティマッピング(QSM)のための、エンドツーエンドのAFfine Transformation Edited and Refined (AFTER)ディープニューラルネットワークを提案する。任意の取得方向と空間分解能が最大0.6mm等方性に対して最も高い。
論文参考訳（メタデータ） (2022-11-25T07:54:26Z)
T$^2$LR-Net: An Unrolling Reconstruction Network Learning Transformed Tensor Low-Rank prior for Dynamic MR Imaging [6.101233798770526]
我々は、変換されたドメインの前にテンソルローランクを利用することができるTTNNに基づくフレキシブルモデルを導入する。また,変換テンソルの低ランク化を前もって学習するためのモデルベースディープ・アンロール・リコンストラクション・ネットワークを導入する。提案手法は,現状の最適化手法とネットワークベースのアンロール手法と比較して,改善された回復結果を提供することができる。
論文参考訳（メタデータ） (2022-09-08T14:11:02Z)
Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文参考訳（メタデータ） (2021-11-29T12:24:02Z)
Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文参考訳（メタデータ） (2021-11-18T03:06:25Z)
Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
論文参考訳（メタデータ） (2021-06-16T15:56:34Z)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)
Progressive Training of Multi-level Wavelet Residual Networks for Image Denoising [80.10533234415237]
本稿では,マルチレベルウェーブレット残差ネットワーク(MWRN)アーキテクチャと,画像復調性能向上のためのプログレッシブトレーニング手法を提案する。人工ノイズ画像と実世界のノイズ画像の両方で実験したところ、PT-MWRNは最先端のノイズ評価法に対して良好に機能することがわかった。
論文参考訳（メタデータ） (2020-10-23T14:14:00Z)
Learned Proximal Networks for Quantitative Susceptibility Mapping [9.061630971752464]
本稿では,QSM双極子反転問題の解法として,Learned Proximal Convolutional Neural Network (LP-CNN)を提案する。このフレームワークは、任意の位相入力測定を自然に処理できる最初のディープラーニングQSMアプローチであると考えられている。
論文参考訳（メタデータ） (2020-08-11T22:35:24Z)
Learning Bloch Simulations for MR Fingerprinting by Invertible Neural Networks [0.8399688944263843]
Intrepid Neural Network (INNs) は、MSF再構成のための現在の後方ベースNNの代替となる可能性がある。 INNは、現在のMRF再構築のための後方ベースNNの代替となるかもしれない。
論文参考訳（メタデータ） (2020-08-10T14:09:03Z)
Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文参考訳（メタデータ） (2020-05-20T11:11:47Z)
Unsupervised Adaptive Neural Network Regularization for Accelerated Radial Cine MRI [3.6280929178575994]
本研究では,浅部畳み込みニューラルネットワークの非教師なし学習に基づく2次元放射状シネMRIの反復的再構成手法を提案する。ネットワークは、再構築中の解の現在の推定値のパッチを近似するように訓練される。
論文参考訳（メタデータ） (2020-02-10T14:47:20Z)

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。