論文の概要: Sparse Signal Reconstruction for Overdispersed Low-photon Count Biomedical Imaging Using $\ell_p$ Total Variation

• arxiv url: http://arxiv.org/abs/2408.16622v1
• Date: Thu, 29 Aug 2024 15:31:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-30 13:12:46.454658
• Title: Sparse Signal Reconstruction for Overdispersed Low-photon Count Biomedical Imaging Using $\ell_p$ Total Variation
• Title（参考訳）: $\ell_p$トータル変分を用いた低光子数バイオメディカルイメージングのためのスパース信号再構成
• Authors: Yu Lu, Roummel F. Marcia,
• Abstract要約: 負二項統計モデルの枠組みにおける等方的および異方的$ell_p$テレビ準セミノルムについて検討する。 この問題を最適化問題として定式化することができる。
• 参考スコア（独自算出の注目度）: 6.228193841473626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The negative binomial model, which generalizes the Poisson distribution model, can be found in applications involving low-photon signal recovery, including medical imaging. Recent studies have explored several regularization terms for the negative binomial model, such as the $\ell_p$ quasi-norm with $0 < p < 1$, $\ell_1$ norm, and the total variation (TV) quasi-seminorm for promoting sparsity in signal recovery. These penalty terms have been shown to improve image reconstruction outcomes. In this paper, we investigate the $\ell_p$ quasi-seminorm, both isotropic and anisotropic $\ell_p$ TV quasi-seminorms, within the framework of the negative binomial statistical model. This problem can be formulated as an optimization problem, which we solve using a gradient-based approach. We present comparisons between the negative binomial and Poisson statistical models using the $\ell_p$ TV quasi-seminorm as well as common penalty terms. Our experimental results highlight the efficacy of the proposed method.
• Abstract（参考訳）: ポアソン分布モデルを一般化した負二項モデルは、医用画像を含む低光子信号の回復を含む応用で見られる。 最近の研究では、0 < p < 1$, $\ell_1$ norm の $\ell_p$ quasi-norm や、信号回復における空間性を促進するための総変分(TV) quasi-seminorm など、負二項モデルに対するいくつかの正規化項が検討されている。 これらのペナルティ条件は、画像再構成の結果を改善することが示されている。 本稿では、負二項統計モデルの枠組みの中で、等方性と異方性の両方を持つ$\ell_p$ quasi-seminormについて検討する。 この問題を最適化問題として定式化することができる。 我々は、$\ell_p$ TV quasi-seminorm を用いた負二項統計モデルとポアソン統計モデルの比較を行った。 提案手法の有効性を実験的に明らかにした。

関連論文リスト

• Alternating Direction Method of Multipliers for Negative Binomial Model with The Weighted Difference of Anisotropic and Isotropic Total Variation [5.5415918072761805]
  過分散ポアソン雑音による画像の復元のための最適化手法を提案する。 数値実験により提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-28T20:05:36Z)
• GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection [60.78684630040313]
  拡散モデルは、特定のノイズを付加したテスト画像の通常の画像を再構成する傾向がある。 世界的視点から見ると、異なる異常による画像再構成の難しさは不均一である。 本稿では,非教師付き異常検出のためのグローバルかつ局所的な適応拡散モデル(GLADと略す)を提案する。
  論文  参考訳（メタデータ） (2024-06-11T17:27:23Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• $p$-Generalized Probit Regression and Scalable Maximum Likelihood Estimation via Sketching and Coresets [74.37849422071206]
  本稿では, 2次応答に対する一般化線形モデルである,$p$一般化プロビット回帰モデルについて検討する。 p$の一般化されたプロビット回帰に対する最大可能性推定器は、大容量データ上で$(1+varepsilon)$の係数まで効率的に近似できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T10:54:41Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Ising Model Selection Using $\ell_{1}$-Regularized Linear Regression [13.14903445595385]
  モデルの不特定にもかかわらず、$ell_1$-regularized linear regression(ell_1$-LinR)推定器は、$N$変数でIsingモデルのグラフ構造を復元することに成功した。 また,$ell_1$-LinR推定器の非漸近性能を適度な$M$と$N$で正確に予測する計算効率のよい手法を提案する。
  論文  参考訳（メタデータ） (2021-02-08T03:45:10Z)
• Estimating Stochastic Linear Combination of Non-linear Regressions Efficiently and Scalably [23.372021234032363]
  サブサンプルサイズが大きくなると、推定誤差が過度に犠牲になることを示す。 私たちの知る限りでは、線形テキスト+確率モデルが保証される最初の研究です。
  論文  参考訳（メタデータ） (2020-10-19T07:15:38Z)
• The Lasso with general Gaussian designs with applications to hypothesis testing [21.342900543543816]
  ラッソは高次元回帰法である。 ラッソ推定器は、$n$と$p$の両方が大きい状態において正確に特徴づけられることを示す。
  論文  参考訳（メタデータ） (2020-07-27T17:48:54Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)

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。