論文の概要: Quantum-Assisted Tomographic Image Refinement with Limited Qubits for High-Resolution Imaging

• arxiv url: http://arxiv.org/abs/2504.20654v1
• Date: Tue, 29 Apr 2025 11:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.868178
• Title: Quantum-Assisted Tomographic Image Refinement with Limited Qubits for High-Resolution Imaging
• Title（参考訳）: 高分解能イメージングのための限定量子ビットを用いた量子支援トモグラフィ画像再構成
• Authors: Hyunju Lee, Kyungtaek Jun,
• Abstract要約: 本稿では,高分解能トモグラフィイメージングのための量子支援再構成フレームワークを提案する。 この枠組みは、量子ビット要求と放射露光の両方を著しく削減する。
• 参考スコア（独自算出の注目度）: 3.2995359570845912
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a quantum-assisted reconstruction framework for high-resolution tomographic imaging that significantly reduces both qubit requirements and radiation exposure. Conventional quantum reconstruction methods require solving QUBO (Quadratic Unconstrained Binary Optimization) problems over full-resolution image grids, which limits scalability under current hardware constraints. Our method addresses this by combining sinogram downscaling with region-wise iterative refinement, allowing reconstruction to begin from a reduced-resolution sinogram and image, then progressively upscaled and optimized region by region. Experimental validation on binary and integer-valued Shepp-Logan phantoms demonstrates accurate reconstructions under both dense and sparsely sampled projection conditions using significantly fewer qubits. We observed that nearest-neighbor interpolation may cause edge artifacts that hinder convergence, which can be mitigated by smoother interpolation and Gaussian filtering. Notably, reconstructing a 500 by 500 image from a 50 by 50 initialization demonstrates the potential for up to 90% reduction in projection data, corresponding to a similar reduction in radiation dose. These findings highlight the practicality and scalability of the proposed method for quantum-enhanced tomographic reconstruction, offering a promising direction for low-dose, high-fidelity imaging with current-generation quantum devices.
• Abstract（参考訳）: 本稿では,高分解能トモグラフィイメージングのための量子支援再構成フレームワークを提案する。 従来の量子再構成法では、QUBO(Quadratic Unconstrained Binary Optimization)問題をフル解像度のイメージグリッド上で解決する必要がある。 本手法では, 縮小解像度のシングラムと画像から再構成を開始し, 領域ごとに段階的にスケールアップし, 最適化した領域を分割することで, ダウンスケーリングを領域ワイドな反復改善と組み合わせることで, この問題に対処する。 二進数および整数値のシェップロガンファントムに対する実験的検証は、より少ない量子ビットを用いて、密度と疎サンプルの両方の射影条件の下で正確な再構成を示す。 最寄りの補間は収束を妨げるエッジアーティファクトを引き起こす可能性があり, よりスムーズな補間とガウス的フィルタリングによって緩和することができる。 特に、50から50の初期化から500から500までの画像を再構成すると、同様の放射線線量削減に対応して、投影データの最大90%の削減の可能性を示す。 これらの知見は,現在の量子デバイスを用いた低線量高密度イメージングの実現に向けて,提案手法の実用性と拡張性を強調した。

関連論文リスト

• Quantum Supremacy in Tomographic Imaging: Advances in Quantum Tomography Algorithms [3.2995359570845912]
  本研究では, トモグラフィ再構成に必要な投影角を小さくすることで, 量子超越性を実証する。 0deg から 180deg までの原罪線からの投影角の 50% しか正確に再現できない。 これらの発見は、トモグラフィー画像に革命をもたらす量子アルゴリズムの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-02-07T11:05:41Z)
• 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
  低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。 低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。 本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T06:06:11Z)
• Quantum annealing-based computed tomography using variational approach for a real-number image reconstruction [0.0]
  本研究は実数再構成のための変分手法を用いたQACT再構成アルゴリズムを開発した。 注目すべきは、各ピクセルの表示に2キュービットしか必要とせず、正確な再構成に十分であることを示したことである。
  論文  参考訳（メタデータ） (2023-06-03T23:35:10Z)
• An unsupervised deep learning algorithm for single-site reconstruction in quantum gas microscopes [47.187609203210705]
  量子ガス顕微鏡実験では、物理観測物の正確な抽出には、高忠実度でサイト分解格子の占有を再構築することが不可欠である。 本稿では,深部畳み込みニューラルネットワークに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-22T18:57:27Z)
• Hybrid adiabatic quantum computing for tomographic image reconstruction -- opportunities and limitations [8.442020709975015]
  臨床画像では、患者の快適さを改善し、放射線曝露を減らすのに役立つ。 本稿では,アディアバティックな量子コンピュータとそれに関連するハイブリッド手法を用いて再構成問題を解くことを提案する。
  論文  参考訳（メタデータ） (2022-12-02T17:11:48Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Sparse Reconstruction for Radar Imaging based on Quantum Algorithms [17.240702633984583]
  本稿では,レーダスパースイメージングにおける画像復元に量子アルゴリズムを適用するのはこれが初めてである。 対応する量子回路とそのパラメータは、非常に低い計算複雑性を保証するように設計されている。 提案手法の有効性を検証するため, 生レーダデータを用いたシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-01-21T07:03:14Z)

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。