論文の概要: PyHySCO: GPU-Enabled Susceptibility Artifact Distortion Correction in Seconds
- arxiv url: http://arxiv.org/abs/2403.10706v1
- Date: Fri, 15 Mar 2024 21:49:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 22:14:44.682217
- Title: PyHySCO: GPU-Enabled Susceptibility Artifact Distortion Correction in Seconds
- Title（参考訳）: PyHySCO: GPUで実現可能なサセプティビティアーチファクトの歪み補正
- Authors: Abigail Julian, Lars Ruthotto,
- Abstract要約: 我々はPyTorchで実装されたユーザフレンドリーなEPI歪み補正ツールであるPyHySCOを紹介した。
PyHySCOは時間的な物理的歪みモデルと数学的定式化を用いており、訓練なしで信頼性が高い。
Human Connectome Projectの3Tデータと7Tデータを用いた大規模な検証では、PyHySCOはRGPツールの上位ツールに匹敵する精度を、ほんの少しのコストで達成していることを示唆している。
- 参考スコア（独自算出の注目度）: 1.831735742288489
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Over the past decade, reversed Gradient Polarity (RGP) methods have become a popular approach for correcting susceptibility artifacts in Echo-Planar Imaging (EPI). Although several post-processing tools for RGP are available, their implementations do not fully leverage recent hardware, algorithmic, and computational advances, leading to correction times of several minutes per image volume. To enable 3D RGP correction in seconds, we introduce PyHySCO, a user-friendly EPI distortion correction tool implemented in PyTorch that enables multi-threading and efficient use of graphics processing units (GPUs). PyHySCO uses a time-tested physical distortion model and mathematical formulation and is, therefore, reliable without training. An algorithmic improvement in PyHySCO is its novel initialization scheme that uses 1D optimal transport. PyHySCO is published under the GNU public license and can be used from the command line or its Python interface. Our extensive numerical validation using 3T and 7T data from the Human Connectome Project suggests that PyHySCO achieves accuracy comparable to that of leading RGP tools at a fraction of the cost. We also validate the new initialization scheme, compare different optimization algorithms, and test the algorithm on different hardware and arithmetic precision.
- Abstract（参考訳）: 過去10年間で、逆勾配極性(RGP)法は、エコープラナーイメージング(EPI)における感受性アーチファクトの修正の一般的なアプローチとなっている。
RGPのいくつかの後処理ツールが利用可能であるが、その実装は最近のハードウェア、アルゴリズム、計算の進歩を十分に活用していないため、画像体積あたりの修正時間は数分である。
PyTorch で実装されたユーザフレンドリーな EPI 歪み補正ツールである PyHySCO を導入し,グラフィック処理ユニット (GPU) のマルチスレッドと効率的な利用を可能にした。
PyHySCOは時間的な物理的歪みモデルと数学的定式化を用いており、訓練なしで信頼性がある。
PyHySCOのアルゴリズムによる改良は、1次元最適輸送を用いた新しい初期化方式である。
PyHySCOはGNUパブリックライセンスで公開されており、コマンドラインまたはPythonインターフェースから使用することができる。
Human Connectome Projectの3Tおよび7Tデータを用いた大規模な数値検証では、PyHySCOはRGPツールの先行ツールに匹敵する精度を低コストで達成している。
また,新しい初期化方式を検証し,異なる最適化アルゴリズムを比較し,異なるハードウェアおよび演算精度でアルゴリズムをテストする。
関連論文リスト
- High Performance Computing Applied to Logistic Regression: A CPU and GPU
Implementation Comparison [0.0]
汎用GPUによるロジスティック回帰(LR)の並列バージョンを提案する。
我々の実装は、X. Zouらによって提案された並列なグラディエントDescent Logistic Regressionアルゴリズムの直接変換である。
本手法は,画像認識,スパム検出,不正検出などのリアルタイム予測に特に有用である。
論文 参考訳（メタデータ） (2023-08-19T14:49:37Z) - PyBADS: Fast and robust black-box optimization in Python [11.4219428942199]
PyBADSは、高速で堅牢なブラックボックス最適化のためのAdaptive Direct Search (BADS)アルゴリズムの実装である。
結果を実行するアルゴリズムを実行するための、使い易いPythonインターフェースとともに提供される。
論文 参考訳（メタデータ） (2023-06-27T15:54:44Z) - PyEPO: A PyTorch-based End-to-End Predict-then-Optimize Library for
Linear and Integer Programming [9.764407462807588]
我々はPythonのPyTorchベースのエンドツーエンド予測最適化ライブラリであるPyEPOパッケージを提示する。
PyEPOは、予測対象関数係数を持つ線形および整数プログラミングのための最初の汎用ツールである。
論文 参考訳（メタデータ） (2022-06-28T18:33:55Z) - Stochastic Gradient Descent without Full Data Shuffle [65.97105896033815]
CorgiPileは階層的なデータシャッフル戦略で、完全なデータシャッフルを回避すると同時に、完全なシャッフルを実行したかのようにSGDの収束率を同等に維持する。
以上の結果から,CorgiPileは深層学習モデルと一般化線形モデルの両方において,全シャッフルベースSGDと同等の収束率を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-12T20:04:31Z) - An Empirical Analysis of Recurrent Learning Algorithms In Neural Lossy
Image Compression Systems [73.48927855855219]
近年のディープラーニングの進歩により、JPEGとJPEG 2000を標準のKodakベンチマークで上回る画像圧縮アルゴリズムが実現している。
本稿では,最近の最先端ハイブリッドニューラル圧縮アルゴリズムの大規模比較を行う。
論文 参考訳（メタデータ） (2022-01-27T19:47:51Z) - Learning to Fit Morphable Models [12.469605679847085]
学習最適化の最近の進歩の上に構築し、古典的なレバンス・マルカルトアルゴリズムに触発された更新ルールを提案する。
本稿では,頭部装着装置による3次元体表面推定問題と2次元ランドマークによる顔の嵌合性に対するニューラルネットワークの有効性を示す。
論文 参考訳（メタデータ） (2021-11-29T18:59:53Z) - Adaptive Elastic Training for Sparse Deep Learning on Heterogeneous
Multi-GPU Servers [65.60007071024629]
本稿では,Adaptive SGDが4つの最先端ソリューションよりも精度が高いことを示す。
本稿では,Adaptive SGDが時間と精度で4つの最先端ソリューションより優れていることを示す。
論文 参考訳（メタデータ） (2021-10-13T20:58:15Z) - HYPPO: A Surrogate-Based Multi-Level Parallelism Tool for Hyperparameter
Optimization [0.2844198651668139]
HYPPOは適応的な代理モデルを使用し、モデル予測の不確実性を説明して、堅牢な予測を行う正確で信頼性の高いモデルを見つける。
本稿では,時系列予測と画像分類問題に対する様々なソフトウェア機能と,コンピュータ断層画像再構成における科学的応用について述べる。
論文 参考訳（メタデータ） (2021-10-04T20:14:22Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Pixel-in-Pixel Net: Towards Efficient Facial Landmark Detection in the
Wild [104.61677518999976]
顔のランドマークを検出するために,Pixel-in-Pixel Net(PIPNet)を提案する。
提案モデルは,熱マップ回帰に基づく新しい検出ヘッドを備える。
PIPNetのクロスドメイン一般化能力をさらに向上するため,カリキュラムによる自己学習を提案する。
論文 参考訳（メタデータ） (2020-03-08T12:23:42Z) - DFTpy: An efficient and object-oriented platform for orbital-free DFT
simulations [55.41644538483948]
本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。
本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。
DFTpyはMITライセンスでリリースされている。
論文 参考訳（メタデータ） (2020-02-07T19:07:41Z)
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。