論文の概要: Multi-frequency Electrical Impedance Tomography Reconstruction with Multi-Branch Attention Image Prior
- arxiv url: http://arxiv.org/abs/2409.10794v1
- Date: Tue, 17 Sep 2024 00:06:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 18:20:31.802022
- Title: Multi-frequency Electrical Impedance Tomography Reconstruction with Multi-Branch Attention Image Prior
- Title（参考訳）: マルチブランチアテンション画像を用いた多周波インピーダンストモグラフィ再構成
- Authors: Hao Fang, Zhe Liu, Yi Feng, Zhen Qiu, Pierre Bagnaninchi, Yunjie Yang,
- Abstract要約: 多周波電気インピーダンストモグラフィ(mfEIT)は有望なバイオメディカルイメージング技術である。
現在の最先端(SOTA)アルゴリズムは、教師付き学習と多元計測ベクトル(MMV)に依存しており、広範なトレーニングデータを必要とする。
我々は,mfEIT再構成のためのマルチブランチ注意画像優先(MAIP)に基づく新しい教師なし学習手法を提案する。
- 参考スコア（独自算出の注目度）: 12.844329463661857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-frequency Electrical Impedance Tomography (mfEIT) is a promising biomedical imaging technique that estimates tissue conductivities across different frequencies. Current state-of-the-art (SOTA) algorithms, which rely on supervised learning and Multiple Measurement Vectors (MMV), require extensive training data, making them time-consuming, costly, and less practical for widespread applications. Moreover, the dependency on training data in supervised MMV methods can introduce erroneous conductivity contrasts across frequencies, posing significant concerns in biomedical applications. To address these challenges, we propose a novel unsupervised learning approach based on Multi-Branch Attention Image Prior (MAIP) for mfEIT reconstruction. Our method employs a carefully designed Multi-Branch Attention Network (MBA-Net) to represent multiple frequency-dependent conductivity images and simultaneously reconstructs mfEIT images by iteratively updating its parameters. By leveraging the implicit regularization capability of the MBA-Net, our algorithm can capture significant inter- and intra-frequency correlations, enabling robust mfEIT reconstruction without the need for training data. Through simulation and real-world experiments, our approach demonstrates performance comparable to, or better than, SOTA algorithms while exhibiting superior generalization capability. These results suggest that the MAIP-based method can be used to improve the reliability and applicability of mfEIT in various settings.
- Abstract（参考訳）: 多周波電気インピーダンストモグラフィ(mfEIT)は、様々な周波数で組織伝導度を推定する有望な生体医用イメージング技術である。
現在の最先端(SOTA)アルゴリズムは、教師付き学習と多重計測ベクトル(MMV)に依存しており、広範囲なトレーニングデータを必要としている。
さらに、MMV法におけるトレーニングデータへの依存は、周波数間の誤った伝導率のコントラストを導入し、生体医学的応用において重要な関心事となる。
これらの課題に対処するために,mfEIT再構成のためのマルチブランチ注意画像優先(MAIP)に基づく新しい教師なし学習手法を提案する。
提案手法では,マルチブランチ注意ネットワーク (MBA-Net) を慎重に設計し,複数の周波数依存性の伝導率画像を表現し,パラメータを反復的に更新することでmfEIT画像を再構成する。
MBA-Netの暗黙的な正規化機能を活用することで、我々のアルゴリズムは、トレーニングデータを必要としない堅牢なmfEIT再構成を可能にするために、重要な周波数間および周波数間相関を捉えることができる。
シミュレーションや実世界の実験を通じて,より優れた一般化能力を示しながら,SOTAアルゴリズムに匹敵する性能を示す。
これらの結果から,mfEITの信頼性と適用性を向上させるためにMAIP法が有効であることが示唆された。
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) - MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。
近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。
SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
論文 参考訳（メタデータ） (2024-04-13T13:39:26Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳（メタデータ） (2023-10-06T10:40:46Z) - Improved Multi-Shot Diffusion-Weighted MRI with Zero-Shot
Self-Supervised Learning Reconstruction [7.347468593124183]
ゼロMIRIDと呼ばれる新しいmsEPI再構成手法(改良拡散MRIのためのマルチショット画像再構成のためのゼロショット自己教師型学習)を提案する。
本手法は、深層学習に基づく画像正規化技術を組み込むことで、msEPIデータを共同で再構成する。
In-vivo実験で示されるように、最先端の並列イメージング法と比較して優れた結果が得られる。
論文 参考訳（メタデータ） (2023-08-09T17:54:56Z) - Denoising Diffusion Restoration Models [110.1244240726802]
Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。
DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
論文 参考訳（メタデータ） (2022-01-27T20:19:07Z) - Multimodal-Boost: Multimodal Medical Image Super-Resolution using
Multi-Attention Network with Wavelet Transform [5.416279158834623]
対応する画像分解能の喪失は、医用画像診断の全体的な性能を低下させる。
ディープラーニングベースのシングルイメージスーパーレゾリューション(SISR)アルゴリズムは、全体的な診断フレームワークに革命をもたらした。
本研究は,低周波データから高頻度情報を学習する深層マルチアテンションモジュールを用いたGAN(Generative Adversarial Network)を提案する。
論文 参考訳（メタデータ） (2021-10-22T10:13:46Z) - Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。
我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。
私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
論文 参考訳（メタデータ） (2021-10-15T13:16:59Z) - Multi-institutional Collaborations for Improving Deep Learning-based
Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。
これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。
我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T03:04:40Z) - A Multi-stream Convolutional Neural Network for Micro-expression
Recognition Using Optical Flow and EVM [7.511596258731931]
マイクロ・エクスプレッション(ME)の認識は、特に公共の安全や心理療法において、幅広い応用において重要な役割を担っている。
近年,従来の手法は機械学習設計に過度に依存しており,その実用化に十分な認識率は得られていない。
本稿では,ME認識のためのマルチストリーム畳み込みニューラルネットワーク(MSCNN)を設計する。
論文 参考訳（メタデータ） (2020-11-07T11:28:53Z) - Improved Supervised Training of Physics-Guided Deep Learning Image
Reconstruction with Multi-Masking [3.441021278275805]
提案したマルチマスク型PG-DLは,従来のPG-DL手法と比較して再構成性能を向上させる。
膝関節MRIでは,従来のPG-DL法と比較して,複数マスクのPG-DLによる再建性能が向上することが示唆された。
論文 参考訳（メタデータ） (2020-10-26T19:39:32Z)
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。