論文の概要: Muographic Image Upsampling with Machine Learning for Built Infrastructure Applications

• arxiv url: http://arxiv.org/abs/2502.02624v1
• Date: Tue, 04 Feb 2025 14:37:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-06 14:26:41.377271
• Title: Muographic Image Upsampling with Machine Learning for Built Infrastructure Applications
• Title（参考訳）: 構築されたインフラストラクチャアプリケーションのための機械学習によるモグラフィ画像のアップサンプリング
• Authors: William O'Donnell, David Mahon, Guangliang Yang, Simon Gardner,
• Abstract要約: 非侵襲イメージング技術であるミューグラフィーは、宇宙線ミューオンの相互作用を検出することによって三次元密度マップを構築する。 宇宙線ミューオンは、その高いモーメントと天然資源のために、深く浸透し、固有の安全を提供する。 しかし、この技術はムーンフラックスに制約を課し、長期の取得に繋がる。 これらの制約に対処する2モデル深層学習手法を開発した。
• 参考スコア（独自算出の注目度）: 2.983520467199724
• License:
• Abstract: The civil engineering industry faces a critical need for innovative non-destructive evaluation methods, particularly for ageing critical infrastructure, such as bridges, where current techniques fall short. Muography, a non-invasive imaging technique, constructs three-dimensional density maps by detecting interactions of naturally occurring cosmic-ray muons within the scanned volume. Cosmic-ray muons provide deep penetration and inherent safety due to their high momenta and natural source. However, the technology's reliance on this source results in constrained muon flux, leading to prolonged acquisition times, noisy reconstructions and image interpretation challenges. To address these limitations, we developed a two-model deep learning approach. First, we employed a conditional Wasserstein generative adversarial network with gradient penalty (cWGAN-GP) to perform predictive upsampling of undersampled muography images. Using the structural similarity index measure (SSIM), 1-day sampled images matched the perceptual qualities of a 21-day image, while the peak signal-to-noise ratio (PSNR) indicated noise improvement equivalent to 31 days of sampling. A second cWGAN-GP model, trained for semantic segmentation, quantitatively assessed the upsampling model's impact on concrete sample features. This model achieved segmentation of rebar grids and tendon ducts, with Dice-S{\o}rensen accuracy coefficients of 0.8174 and 0.8663. Notably, it could mitigate or remove z-plane smearing artifacts caused by muography's inverse imaging problem. Both models were trained on a comprehensive Geant4 Monte-Carlo simulation dataset reflecting realistic civil infrastructure scenarios. Our results demonstrate significant improvements in acquisition speed and image quality, marking a substantial step toward making muography more practical for reinforced concrete infrastructure monitoring applications.
• Abstract（参考訳）: 土木産業は、革新的な非破壊的な評価方法、特に現在の技術が不足している橋などの重要なインフラの老朽化にとって、重要な必要性に直面している。 非侵襲イメージング技術であるミューグラフィーは、スキャンされた体積内で自然に発生する宇宙線ミューオンの相互作用を検出することによって、三次元密度マップを構築する。 宇宙線ミューオンは、その高いモーメントと天然資源のために、深く浸透し、固有の安全を提供する。 しかし、この技術がこのソースに依存しているため、制限されたミューオンフラックスが発生し、長い取得時間、ノイズの多い再構成、画像解釈の課題がもたらされる。 これらの制約に対処するため,我々は2モデル深層学習手法を開発した。 まず,勾配ペナルティ(cWGAN-GP)を有する条件付きワッサースタイン生成対向ネットワークを用いて,アンダーサンプリング画像の予測アップサンプリングを行った。 構造類似度指数測定 (SSIM) を用いて, 1日サンプル画像は21日間画像の知覚特性と一致し, ピーク信号-雑音比 (PSNR) は31日間のサンプリングに匹敵するノイズ改善を示した。 セマンティックセグメンテーションのために訓練された第2のcWGAN-GPモデルは、コンクリートの試料特性に対するアップサンプリングモデルの影響を定量的に評価した。 このモデルは、Dice-S{\o}rensenの精度係数 0.8174 と 0.8663 で、レバーグリッドと腱ダクトのセグメンテーションを実現した。 特に、ミューオグラフィーの逆画像問題によって引き起こされたz面スミアリングアーティファクトの緩和や除去が可能である。 両方のモデルは、現実的な土木インフラのシナリオを反映した総合的なGeant4 Monte-Carloシミュレーションデータセットで訓練された。 以上の結果から, 筋電図の精度向上と画像品質の向上が期待できる。

関連論文リスト

• On the Foundation Model for Cardiac MRI Reconstruction [6.284878525302227]
  本稿では,適応アンロール,チャネルシフト,パターンとコントラスト-プロンプト-UNetを用いた基礎モデルを提案する。 PCP-UNetは画像コントラストとサンプリングパターンプロンプトを備える。
  論文  参考訳（メタデータ） (2024-11-15T18:15:56Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Score-based Generative Models for Photoacoustic Image Reconstruction with Rotation Consistency Constraints [6.9663558538050685]
  光音響トモグラフィ(英: Photoacoustic tomography, PAT)は、高光コントラストと音響透過深度の両方を可能にする新しい画像モダリティである。 深層学習に基づく先行研究は教師ありの方法で訓練され、入力された部分的なセンサデータを全視野で再構築された地上の真実に直接マッピングする。 本稿では,ランゲヴィンダイナミクスと制約項の反復サンプリングによりPAT画像を復元する回転整合性制約付きスコアベース生成モデル(RCC-SGM)を提案する。
  論文  参考訳（メタデータ） (2023-06-24T02:47:03Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Stable Deep MRI Reconstruction using Generative Priors [13.400444194036101]
  本稿では,参照等級画像のみを生成的設定でトレーニングした,新しいディープニューラルネットワークベース正規化器を提案する。 その結果,最先端のディープラーニング手法に匹敵する競争性能が示された。
  論文  参考訳（メタデータ） (2022-10-25T08:34:29Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• A Lightweight Structure Aimed to Utilize Spatial Correlation for Sparse-View CT Reconstruction [6.8438089867929905]
  重度の画像ノイズやストレッチアーティファクトは、低線量プロトコルの主要な問題であることが判明した。 本論文では,現在普及しているアルゴリズムの限界を破るデュアルドメイン深層学習手法を提案する。 提案手法は,40.305のPSNRと0.948のSSIMに到達し,高モデルモビリティを確保しながら,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-01-19T13:26:17Z)
• CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
  超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。 強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。 本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-08-28T17:15:37Z)

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。