論文の概要: Low-resolution Prior Equilibrium Network for CT Reconstruction

• arxiv url: http://arxiv.org/abs/2401.15663v2
• Date: Thu, 18 Apr 2024 10:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 20:29:53.278922
• Title: Low-resolution Prior Equilibrium Network for CT Reconstruction
• Title（参考訳）: CT再構成のための低分解能予備平衡網
• Authors: Yijie Yang, Qifeng Gao, Yuping Duan,
• Abstract要約: 本稿では,低分解能画像を導入し,ネットワークの堅牢性を改善するための効果的な正規化項を得る,新しいディープラーニングベースのCT再構成モデルを提案する。 狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。
• 参考スコア（独自算出の注目度）: 3.5639148953570836
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The unrolling method has been investigated for learning variational models in X-ray computed tomography. However, it has been observed that directly unrolling the regularization model through gradient descent does not produce satisfactory results. In this paper, we present a novel deep learning-based CT reconstruction model, where the low-resolution image is introduced to obtain an effective regularization term for improving the network`s robustness. Our approach involves constructing the backbone network architecture by algorithm unrolling that is realized using the deep equilibrium architecture. We theoretically discuss the convergence of the proposed low-resolution prior equilibrium model and provide the conditions to guarantee convergence. Experimental results on both sparse-view and limited-angle reconstruction problems are provided, demonstrating that our end-to-end low-resolution prior equilibrium model outperforms other state-of-the-art methods in terms of noise reduction, contrast-to-noise ratio, and preservation of edge details.
• Abstract（参考訳）: X線CTにおける変分モデル学習のためのアンローリング法について検討した。 しかし, 勾配降下による正則化モデルを直接解き放つと, 良好な結果が得られないことがわかった。 本稿では,低解像度画像を導入し,ネットワークのロバスト性を改善するための効果的な正規化項を得る,新しい深層学習型CT再構成モデルを提案する。 提案手法では, 深い平衡構造を用いて実現したアルゴリズムの展開により, バックボーンネットワークアーキテクチャを構築する。 理論的には,提案した低分解能先行平衡モデルの収束を議論し,収束を保証する条件を提供する。 狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。

関連論文リスト

• Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
  本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。 提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。 畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T08:58:41Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Model-corrected learned primal-dual models for fast limited-view photoacoustic tomography [2.631277214890658]
  学習された反復的再構成は、モデル摂動に対する経験的堅牢性で断層画像の加速を約束する。 高速近似モデルを用いることで計算可能性を得ることができるが、モデル誤差を補う必要が生じる。 学習画像再構成におけるモデル修正の方法論的・理論的基礎を,学習された原始双対の枠組みに埋め込むことにより前進させる。
  論文  参考訳（メタデータ） (2023-04-04T17:13:22Z)
• Distributed Bayesian Learning of Dynamic States [65.7870637855531]
  提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。 逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
  論文  参考訳（メタデータ） (2022-12-05T19:40:17Z)
• Stable Deep MRI Reconstruction using Generative Priors [13.400444194036101]
  本稿では,参照等級画像のみを生成的設定でトレーニングした,新しいディープニューラルネットワークベース正規化器を提案する。 その結果,最先端のディープラーニング手法に匹敵する競争性能が示された。
  論文  参考訳（メタデータ） (2022-10-25T08:34:29Z)
• When to Update Your Model: Constrained Model-based Reinforcement Learning [50.74369835934703]
  モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。 続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。 さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
  論文  参考訳（メタデータ） (2022-10-15T17:57:43Z)
• Self-Supervised Coordinate Projection Network for Sparse-View Computed Tomography [31.774432128324385]
  本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。 暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
  論文  参考訳（メタデータ） (2022-09-12T06:14:04Z)
• LRIP-Net: Low-Resolution Image Prior based Network for Limited-Angle CT Reconstruction [5.796842150589423]
  ダウンサンプル投影データ上に低分解能再構成問題を構築する。 再構成した低解像度画像を,元のリミテッドアングルCT問題に対する事前知識として利用する。
  論文  参考訳（メタデータ） (2022-07-30T13:03:20Z)
• Posterior Coreset Construction with Kernelized Stein Discrepancy for Model-Based Reinforcement Learning [78.30395044401321]
  我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。 ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。 連続的な制御環境では、壁時計の時間を最大50%削減することができる。
  論文  参考訳（メタデータ） (2022-06-02T17:27:49Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。