論文の概要: Using gradient of Lagrangian function to compute efficient channels for the ideal observer
- arxiv url: http://arxiv.org/abs/2501.19381v1
- Date: Fri, 31 Jan 2025 18:34:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-03 14:02:24.692745
- Title: Using gradient of Lagrangian function to compute efficient channels for the ideal observer
- Title（参考訳）: ラグランジュ関数の勾配を用いて理想オブザーバの効率的なチャネルを計算する
- Authors: Weimin Zhou,
- Abstract要約: 理想的な線形オブザーバはHotellingObserver(HO)と呼ばれ、IOのサロゲートとして用いられることがある。
本研究では,ラグランジュ型損失関数の勾配を用いて,効率的なチャネルを生成する手法を提案する。
- 参考スコア（独自算出の注目度）: 3.4084528001799064
- License:
- Abstract: It is widely accepted that the Bayesian ideal observer (IO) should be used to guide the objective assessment and optimization of medical imaging systems. The IO employs complete task-specific information to compute test statistics for making inference decisions and performs optimally in signal detection tasks. However, the IO test statistic typically depends non-linearly on the image data and cannot be analytically determined. The ideal linear observer, known as the Hotelling observer (HO), can sometimes be used as a surrogate for the IO. However, when image data are high dimensional, HO computation can be difficult. Efficient channels that can extract task-relevant features have been investigated to reduce the dimensionality of image data to approximate IO and HO performance. This work proposes a novel method for generating efficient channels by use of the gradient of a Lagrangian-based loss function that was designed to learn the HO. The generated channels are referred to as the Lagrangian-gradient (L-grad) channels. Numerical studies are conducted that consider binary signal detection tasks involving various backgrounds and signals. It is demonstrated that channelized HO (CHO) using L-grad channels can produce significantly better signal detection performance compared to the CHO using PLS channels. Moreover, it is shown that the proposed L-grad method can achieve significantly lower computation time compared to the PLS method.
- Abstract（参考訳）: 医療画像システムの客観的評価と最適化の指針として,ベイズ理想オブザーバー(IO)を用いることが広く受け入れられている。
IOは、推論決定を行うためのテスト統計を計算するために完全なタスク固有情報を使用し、信号検出タスクで最適に実行する。
しかし、IOテスト統計は一般的に画像データに非直線的に依存しており、解析的に決定することはできない。
理想的な線形オブザーバはHotellingObserver(HO)と呼ばれ、IOのサロゲートとして用いられることがある。
しかし、画像データが高次元である場合、HO計算は困難である。
タスク関連特徴を抽出できる効率的なチャネルを探索し、画像データの次元を減らし、IOとHOの性能を近似する。
本研究では,HOを学習するために設計されたラグランジュ型損失関数の勾配を用いて,効率的なチャネルを生成する手法を提案する。
生成されたチャネルはLagrangian-gradient (L-grad)チャネルと呼ばれる。
様々な背景や信号を含むバイナリ信号検出タスクについて,数値解析を行った。
Lグレードチャネルを用いたチャネル化HO(CHO)は、PSSチャネルを用いたCHOと比較して、信号検出性能が大幅に向上することを示した。
さらに,提案手法はPSS法と比較して計算時間を大幅に短縮できることを示した。
関連論文リスト
- Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - Efficient channel charting via phase-insensitive distance computation [0.0]
チャネルチャートは、得られた表現が対応するユーザーの相対的な空間的位置を反映するようにチャネルをエンコードすることを目的とする教師なしの学習タスクです。
本稿では,小型フェーディングの効果を低減すべく特別に設計された距離尺度に基づいて,チャネルチャート法を提案する。
次に, 局所距離(アイソマップ)の保存を目的とした非線形次元減少手法を適用し, 実際にチャネル表現を得る。
論文 参考訳（メタデータ） (2021-04-27T13:42:18Z) - Approximating the Ideal Observer for joint signal detection and
localization tasks by use of supervised learning methods [15.226790614827193]
画像品質(IQ)の客観的指標を用いて、医用画像システムの評価と最適化が一般的である
理想オブザーバ(IO)のパフォーマンスは、画像システムの評価と最適化に使用するためのメリットの図式を提供することが提唱されている。
本稿では,共同信号検出および局所化タスクにおいて,IOを近似する教師あり学習手法を提案する。
論文 参考訳（メタデータ） (2020-05-29T22:53:45Z) - Capacity of Continuous Channels with Memory via Directed Information
Neural Estimator [15.372626012233736]
本研究では,チャネルをブラックボックスとして扱う新しいキャパシティ推定アルゴリズムを提案する。
このアルゴリズムは、(i)雑音変数をチャネル入力分布に形作るニューラル分布変換器(NDT)モデルと、(ii)現在のNDTモデルの通信速度を推定するニューラルDI推定器(DINE)の2つの主成分を有する。
論文 参考訳（メタデータ） (2020-03-09T14:53:56Z) - Approximating the Hotelling Observer with Autoencoder-Learned Efficient
Channels for Binary Signal Detection Tasks [12.521662223741671]
画像品質(IQ)の客観的評価は、医用画像システムの解析と最適化のために提唱されている。
オートエンコーダ(AE)を用いたチャネル学習手法を提案する。
AEは、次元を減らすためにデータの簡潔な表現を学ぶために頻繁に使用される、人工知能(ANN)の一種である。
論文 参考訳（メタデータ） (2020-03-04T20:24:28Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳（メタデータ） (2020-02-14T06:58:27Z) - Data-Driven Factor Graphs for Deep Symbol Detection [107.63351413549992]
本稿では,因子グラフ法をデータ駆動方式で実装することを提案する。
特に,機械学習(ML)ツールを用いて因子グラフの学習を提案する。
我々は,BCJRNetと呼ばれる提案システムにおいて,BCJRアルゴリズムを小さなトレーニングセットから実装することを実証した。
論文 参考訳（メタデータ） (2020-01-31T09:23:52Z)
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。