Fugu-MT 論文翻訳(概要): Beyond traditional Magnetic Resonance processing with Artificial Intelligence

論文の概要: Beyond traditional Magnetic Resonance processing with Artificial Intelligence

arxiv url: http://arxiv.org/abs/2405.07657v1
Date: Mon, 13 May 2024 11:37:50 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 13:55:08.832345
Title: Beyond traditional Magnetic Resonance processing with Artificial Intelligence
Title（参考訳）: 人工知能を用いた従来の磁気共鳴処理を超えて
Authors: Amir Jahangiri, Vladislav Orekhov,
Abstract要約: 我々は、新しいツールボックスであるMR-Ai(Magnetic Resonance with Artificial Intelligence)で、いくつかの人工知能ニューラルネットワークを開発し、訓練した。我々の発見は、NMR処理と分析に革命をもたらすAI技術の可能性を浮き彫りにしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Smart signal processing approaches using Artificial Intelligence are gaining momentum in NMR applications. In this study, we demonstrate that AI offers new opportunities beyond tasks addressed by traditional techniques. We developed and trained several artificial neural networks in our new toolbox Magnetic Resonance with Artificial intelligence (MR-Ai) to solve three "impossible" problems: quadrature detection using only Echo (or Anti-Echo) modulation from the traditional Echo/Anti-Echo scheme; accessing uncertainty of signal intensity at each point in a spectrum processed by any given method; and defining a reference-free score for quantitative access of NMR spectrum quality. Our findings highlight the potential of AI techniques to revolutionize NMR processing and analysis.
Abstract（参考訳）: 人工知能を用いたスマート信号処理アプローチはNMR応用において勢いを増している。本研究では,AIが従来の手法による課題を超えて,新たな機会を提供することを示す。我々は、従来のEcho/Anti-Echo方式から、Echo(またはアンチエコー)変調のみを用いた2次検出、任意の方法で処理されたスペクトルにおける各点における信号強度の不確実性へのアクセス、NMRスペクトル品質の定量的アクセスのための基準フリースコアの定義という3つの「不可能な」問題を解決するために、新しいツールボックスであるMR-Ai(Magnetic Resonance with Artificial Intelligence)を開発し、訓練した。我々の発見は、NMR処理と分析に革命をもたらすAI技術の可能性を浮き彫りにしている。

関連論文リスト

Multi-frequency Neural Born Iterative Method for Solving 2-D Inverse Scattering Problems [3.171666227612361]
多周波電磁逆散乱問題(ISP)に対処する深層学習に基づくイメージング手法を提案する。深層学習技術とEM物理法則を組み合わせることで,多周波ニューラルボルン反復法(Neural BIM)の開発に成功した。多周波ニューラルBIMの有効性は、ISPを解くための精度と計算効率の向上を実証し、合成および実験データを通して検証する。
論文参考訳（メタデータ） (2024-09-02T15:16:07Z)
Artificial Intelligence for Neuro MRI Acquisition: A Review [10.022460699159526]
磁気共鳴イメージング(MRI)は人工知能(AI)の復活の恩恵を受けている本稿では, 神経MRI取得におけるいくつかの重要なAIベースの手法について考察し, その技術進歩, 臨床実践への影響, 潜在的なリスクについて考察する。
論文参考訳（メタデータ） (2024-06-10T02:50:33Z)
The impact of noise on the simulation of NMR spectroscopy on NISQ devices [0.5224038339798621]
本稿では、2つの有望な量子コンピューティングプラットフォームを持つ小さな有機分子の核磁気共鳴(NMR)分光シミュレーションについて述べる。得られたNMRスペクトルに対するノイズの影響を解析し、提案アルゴリズムが許容できる閾値ノイズを定量化する効果的なデコヒーレンス率を定式化する。
論文参考訳（メタデータ） (2024-04-29T17:40:06Z)
Control of free induction decay with quantum state preparation in a weakly coupled multi-spin system [5.887287000510371]
弱い結合スピン系における自由誘導減衰(FID)信号を制御するための新しい手法を提案する。本研究では,3スピン系のFID信号について検討し,熱状態におけるFID信号と擬似純粋状態との差を比較した。本研究は, 数値シミュレーションと実験による検証を行い, 理論の有効性を正当化するものである。
論文参考訳（メタデータ） (2023-09-02T02:00:08Z)
On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文参考訳（メタデータ） (2023-02-05T01:39:21Z)
Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文参考訳（メタデータ） (2022-11-09T09:19:15Z)
Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文参考訳（メタデータ） (2022-10-08T04:32:58Z)
Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文参考訳（メタデータ） (2022-08-01T19:18:26Z)
Inverse deep learning methods and benchmarks for artificial electromagnetic material design [8.47539037890124]
本稿では,AEM設計のためのディープラーニング逆法および非可逆および条件付き可逆ニューラルネットワークについて調査する。提案手法は繰り返しシミュレーションの制約と容易に統合された計量によって導かれる。問題がますます悪化するにつれて、境界損失(NA)を伴うニューラルアドジョイントがより高速に解を生成することが示される。
論文参考訳（メタデータ） (2021-12-19T20:44:53Z)
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)
Decentralizing Feature Extraction with Quantum Convolutional Neural Network for Automatic Speech Recognition [101.69873988328808]
特徴抽出のための量子回路エンコーダからなる量子畳み込みニューラルネットワーク(QCNN)を構築した。入力音声はまず、Mel-spectrogramを抽出するために量子コンピューティングサーバにアップストリームされる。対応する畳み込み特徴は、ランダムパラメータを持つ量子回路アルゴリズムを用いて符号化される。符号化された機能は、最終認識のためにローカルRNNモデルにダウンストリームされる。
論文参考訳（メタデータ） (2020-10-26T03:36:01Z)

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。