論文の概要: U-WNO:U-Net-enhanced Wavelet Neural Operator for fetal head segmentation

• arxiv url: http://arxiv.org/abs/2411.16890v1
• Date: Mon, 25 Nov 2024 19:48:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:31:26.285730
• Title: U-WNO:U-Net-enhanced Wavelet Neural Operator for fetal head segmentation
• Title（参考訳）: U-WNO:U-Net-enhanced Wavelet Neural Operator for fetal head segmentation
• Authors: Pranava Seth, Deepak Mishra, Veena Iyer,
• Abstract要約: 本稿では,新しいU-Net-enhanced Wavelet Neural Operator(U-WNO)の開発について述べる。 ウェーブレット分解、演算子学習、エンコーダ・デコーダ機構を組み合わせる。 U-WNOは、複数の科学と産業の分野で大きな影響を与える可能性がある。
• 参考スコア（独自算出の注目度）: 5.163088719949993
• License:
• Abstract: This article describes the development of a novel U-Net-enhanced Wavelet Neural Operator (U-WNO),which combines wavelet decomposition, operator learning, and an encoder-decoder mechanism. This approach harnesses the superiority of the wavelets in time frequency localization of the functions, and the combine down-sampling and up-sampling operations to generate the segmentation map to enable accurate tracking of patterns in spatial domain and effective learning of the functional mappings to perform regional segmentation. By bridging the gap between theoretical advancements and practical applications, the U-WNO holds potential for significant impact in multiple science and industrial fields, facilitating more accurate decision-making and improved operational efficiencies. The operator is demonstrated for different pregnancy trimesters, utilizing two-dimensional ultrasound images.
• Abstract（参考訳）: 本稿では, ウェーブレット分解, 演算子学習, エンコーダ・デコーダ機構を組み合わせた, U-Net-enhanced Wavelet Neural Operator (U-WNO) の開発について述べる。 提案手法は,関数の時間周波数定位におけるウェーブレットの優越性と,空間領域におけるパターンの正確な追跡と機能的写像の効果的な学習を可能にして領域分割を行うためのダウンサンプリングとアップサンプリングを組み合わせたセグメンテーションマップを生成する。 理論的進歩と実用的応用のギャップを埋めることにより、U-WNOは複数の科学や工業分野に大きな影響を与える可能性があり、より正確な意思決定と運用効率の向上に寄与する。 このオペレータは、2次元超音波画像を利用して異なる妊娠トリメータに対して実証される。

関連論文リスト

• FE-UNet: Frequency Domain Enhanced U-Net with Segment Anything Capability for Versatile Image Segmentation [50.9040167152168]
  CNNのコントラスト感度関数を実験的に定量化し,人間の視覚システムと比較した。 本稿ではウェーブレット誘導分光ポーリングモジュール(WSPM)を提案する。 人間の視覚系をさらにエミュレートするために、周波数領域拡張受容野ブロック(FE-RFB)を導入する。 本研究では,SAM2 をバックボーンとし,Hiera-Large を事前学習ブロックとして組み込んだ FE-UNet を開発した。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
  深部画像登録は異常な精度と高速な推測を示した。 近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。 本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
  論文  参考訳（メタデータ） (2024-07-18T11:51:01Z)
• An Innovative Networks in Federated Learning [3.38220960870904]
  本稿では,Wavelet Kolmogorov-Arnold Networks(Wav-KAN)の連合学習への応用について述べる。 我々は,連続ウェーブレット変換 (CWT) と離散ウェーブレット変換 (DWT) の両方を検討した。 さまざまなデータセットで大規模な実験を行い、解釈可能性、計算速度、トレーニング、テスト精度の点で、Wav-KANの優れた性能を実証した。
  論文  参考訳（メタデータ） (2024-05-28T05:20:01Z)
• Wav-KAN: Wavelet Kolmogorov-Arnold Networks [3.38220960870904]
  Wav-KANは、Wavelet Kolmogorov-Arnold Networks(Wav-KAN)フレームワークを活用して、解釈性とパフォーマンスを向上させる革新的なニューラルネットワークアーキテクチャである。 我々の結果は、解釈可能な高性能ニューラルネットワークを開発するための強力なツールとして、Wav-KANの可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-05-21T14:36:16Z)
• Neural Operators with Localized Integral and Differential Kernels [77.76991758980003]
  本稿では,2つのフレームワークで局所的な特徴をキャプチャできる演算子学習の原理的アプローチを提案する。 我々はCNNのカーネル値の適切なスケーリングの下で微分演算子を得ることを示す。 局所積分演算子を得るには、離散連続的畳み込みに基づくカーネルの適切な基底表現を利用する。
  論文  参考訳（メタデータ） (2024-02-26T18:59:31Z)
• Waveformer for modelling dynamical systems [1.0878040851638]
  動的システムの学習ソリューションを学習するための新しい演算子学習手法である「ウェーブフォーマ」を提案する。 提案した波形変換器はウェーブレット変換を利用して解場と変圧器の空間的マルチスケールな挙動を捉える。 本稿では,提案するWaveformerが解演算子を高精度に学習し,既存の最先端演算子学習アルゴリズムを最大1桁の精度で上回っていることを示す。
  論文  参考訳（メタデータ） (2023-10-08T03:34:59Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Neural Operator Learning for Ultrasound Tomography Inversion [4.759011874234158]
  我々は、フルウェーブ・ソルバを用いて、飛行時間(TOF)データと異種音速場のマッピングを学習する。 超音波断層撮影における演算子学習は,これが初めてである。
  論文  参考訳（メタデータ） (2023-04-06T15:42:17Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Wavelet neural operator: a neural operator for parametric partial differential equations [0.0]
  WNO(Wavelet Neural Operator)と呼ばれる新しい演算子学習アルゴリズムを提案する。 WNOは、関数の時間周波数局所化におけるウェーブレットの優位性を活用し、空間領域におけるパターンの正確な追跡を可能にする。 提案手法は、利用可能な歴史的データに基づいて地球の気温を予測するデジタルツインを構築するために用いられる。
  論文  参考訳（メタデータ） (2022-05-04T17:13:59Z)

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。