論文の概要: TVCondNet: A Conditional Denoising Neural Network for NMR Spectroscopy
- arxiv url: http://arxiv.org/abs/2405.11064v1
- Date: Fri, 17 May 2024 19:39:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 19:36:45.751667
- Title: TVCondNet: A Conditional Denoising Neural Network for NMR Spectroscopy
- Title（参考訳）: TVCondNet:NMRスペクトロスコピーのための条件付きDenoising Neural Network
- Authors: Zihao Zou, Shirin Shoushtari, Jiaming Liu, Jialiang Zhang, Patrick Judge, Emilia Santana, Alison Lim, Marcus Foston, Ulugbek S. Kamilov,
- Abstract要約: 本稿では,従来のテレビ放送とデータ駆動型トレーニングを組み合わせることで,NMR用DLデノナイジングの性能をさらに向上できることを示す。
実験で収集したNMRデータに対する検証は,TVCondNetの従来の手法と比較して,優れたノイズ発生性能と高速な推論速度を示す。
- 参考スコア（独自算出の注目度）: 10.621822462208968
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Nuclear Magnetic Resonance (NMR) spectroscopy is a widely-used technique in the fields of bio-medicine, chemistry, and biology for the analysis of chemicals and proteins. The signals from NMR spectroscopy often have low signal-to-noise ratio (SNR) due to acquisition noise, which poses significant challenges for subsequent analysis. Recent work has explored the potential of deep learning (DL) for NMR denoising, showing significant performance gains over traditional methods such as total variation (TV) denoising. This paper shows that the performance of DL denoising for NMR can be further improved by combining data-driven training with traditional TV denoising. The proposed TVCondNet method outperforms both traditional TV and DL methods by including the TV solution as a condition during DL training. Our validation on experimentally collected NMR data shows the superior denoising performance and faster inference speed of TVCondNet compared to existing methods.
- Abstract（参考訳）: 核磁気共鳴分光法(英: Nuclear Magnetic Resonance spectroscopy, NMR)は、化学・化学・生物学の分野で広く用いられている手法である。
NMRスペクトルからの信号は、取得ノイズによる低信号対雑音比(SNR)を持つことが多く、その後の分析には大きな課題が生じる。
近年の研究では、NMR復調のための深層学習(DL)の可能性を探り、総変分法(TV)復調のような従来の手法よりも顕著な性能向上を示した。
本稿では,従来のテレビ放送とデータ駆動トレーニングを組み合わせることで,NMR用DLデノナイジングの性能をさらに向上できることを示す。
提案したTVCondNet法は、DLトレーニング中にTVソリューションを条件として、従来のTVとDLの両方の手法より優れている。
実験で収集したNMRデータに対する検証は,TVCondNetの従来の手法と比較して,優れたノイズ発生性能と高速な推論速度を示す。
関連論文リスト
- Enhancing Deep Learning-Driven Multi-Coil MRI Reconstruction via Self-Supervised Denoising [4.6017417632210655]
自己教師型認知は、深層学習(DL)に基づく再構成手法を訓練するための前処理のステップである。
以上の結果から, denoising は DL-based MRI 再構成法の有効性を向上させる上で必要不可欠な前処理技術であることが示唆された。
論文 参考訳（メタデータ） (2024-11-19T23:17:09Z) - WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2024-03-18T11:20:11Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders
(DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。
Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。
この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
論文 参考訳（メタデータ） (2023-07-12T00:01:00Z) - DDM$^2$: Self-Supervised Diffusion MRI Denoising with Generative
Diffusion Models [0.3149883354098941]
本稿では,拡散復号化生成モデルを用いたMRIの自己教師付き復号化手法を提案する。
本フレームワークは,統計に基づくデノナイジング理論を拡散モデルに統合し,条件付き生成によるデノナイジングを行う。
論文 参考訳（メタデータ） (2023-02-06T18:56:39Z) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳（メタデータ） (2022-09-26T03:28:23Z) - Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。
提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-04-05T12:46:36Z) - Removing Noise from Extracellular Neural Recordings Using Fully
Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。
シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-09-18T14:51:24Z) - Denoising Single Voxel Magnetic Resonance Spectroscopy with Deep
Learning on Repeatedly Sampled In Vivo Data [17.291672952879022]
MRSは代謝情報を明らかにする非侵襲的なツールです。
MRSの課題の1つは、代謝産物の低濃度による比較的低い信号ノイズ比(SNR)である。
低SNR信号から高SNR信号へのマッピングを学習するための深層学習解読手法を提案する。
論文 参考訳（メタデータ） (2021-01-26T05:36:44Z) - Enhancement of a CNN-Based Denoiser Based on Spatial and Spectral
Analysis [23.11994688706024]
本稿では,複数のノイズで劣化した画像を1つのモデルで復元する離散ウェーブレットデノイズCNN(WDnCNN)を提案する。
この問題に対処するために、周波数スペクトルの異なる部分から係数を正規化するバンド正規化モジュール(BNM)を提案する。
提案したWDnCNNを評価し,他の最先端のデノイザと比較した。
論文 参考訳（メタデータ） (2020-06-28T05:25:50Z) - Correlated noise in Brownian motion allows for super resolution [0.0]
スペクトル線の拡散拡大は、非偏極液体状態ナノNMRにおける周波数分解能の主な限界である。
本研究では、NV系ナノNMR装置において、そのような拡散雑音が高スペクトル分解能をもたらすことを示す。
論文 参考訳（メタデータ） (2020-05-17T19:16:10Z)
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。