論文の概要: Quantum compressed sensing tomographic reconstruction algorithm

• arxiv url: http://arxiv.org/abs/2505.11286v1
• Date: Fri, 16 May 2025 14:23:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:15.200037
• Title: Quantum compressed sensing tomographic reconstruction algorithm
• Title（参考訳）: 量子圧縮トモグラフィ再構成アルゴリズム
• Authors: Arim Ryou, Kiwoong Kim, Kyungtaek Jun,
• Abstract要約: 量子コンピューティングの最近の進歩は、トモグラフィー再構成技術に影響を与え始めている。 量子圧縮センシングトモグラフィ再構成のためのQUBOモデルを定式化する。 ハイブリッドソルバを用いたCT画像再構成による新しいアルゴリズムの性能評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computed tomography (CT) is a non-destructive technique for observing internal images and has proven highly valuable in medical diagnostics. Recent advances in quantum computing have begun to influence tomographic reconstruction techniques. The quantum tomographic reconstruction algorithm is less affected by artifacts or noise than classical algorithms by using the square function of the difference between pixels obtained by projecting CT images in quantum superposition states and pixels obtained from experimental data. In particular, by using quantum linear systems, a fast quadratic unconstrained binary optimization (QUBO) model formulation for quantum tomographic reconstruction is possible. In this paper, we formulate the QUBO model for quantum compressed sensing tomographic reconstruction, which is a linear combination of the QUBO model for quantum tomographic reconstruction and the QUBO model for total variation in quantum superposition-state CT images. In our experiments, we used sinograms obtained by using the Radon transform of Shepp-Logan images and body CT images. We evaluate the performance of the new algorithm by reconstructing CT images using a hybrid solver with the QUBO model computed from each sinogram. The new algorithm was able to obtain a solution within 5 projection images for 30 by 30 image samples and within 6 projection images for 60 by 60 image samples, reconstructing error-free CT images. We anticipate that quantum compressed sensing tomographic reconstruction algorithms could significantly reduce the total radiation dose when quantum computing performance advances.
• Abstract（参考訳）: CTは内部像を観察する非破壊的手法であり、医学的診断において非常に有用であることが証明されている。 量子コンピューティングの最近の進歩は、トモグラフィー再構成技術に影響を与え始めている。 量子トモグラフィ再構成アルゴリズムは、CT像を量子重畳状態に投影した画素と実験データから得られた画素との差の平方関数を用いて、古典的アルゴリズムよりもアーチファクトやノイズの影響を受けない。 特に、量子線型系を用いることで、量子トモグラフィ再構成のための高速2次非拘束バイナリ最適化(QUBO)モデル定式化が可能となる。 本稿では,QUBOモデルとQUBOモデルとの線形結合である量子圧縮トモグラフィ再構成のためのQUBOモデルを定式化する。 実験では,Shepp-Logan画像のラドン変換と体CT画像を用いた。 我々は,各シングラムから計算したQUBOモデルとハイブリッドソルバを用いてCT画像の再構成により,新しいアルゴリズムの性能を評価する。 新たなアルゴリズムでは、5つのプロジェクションイメージ(30×30の画像サンプル)と6つのプロジェクションイメージ(60×60画像サンプル)のソリューションを得ることができ、エラーのないCTイメージを再構成することができた。 量子圧縮センシングトモグラフィ再構成アルゴリズムは、量子コンピューティングの性能が向上するにつれて、放射線総量を大幅に削減できると予想する。

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)
• Quantum optimization algorithms for CT image segmentation from X-ray data [0.0]
  本稿では,2次非制約二元最適化(QUBO)と呼ばれる高度な量子最適化アルゴリズムを用いた新しい手法を提案する。 ラドン変換を用いて、実験的に得られたシングラムと量子化されたセグメンテーションCT画像から得られた量子化されたシングラムとの差を最小限に抑えたX線投影データからのセグメンテーションCT画像の取得を可能にする。 本研究は,実世界のX線データの検証にD-Waveのハイブリッドソルバシステムを利用した。
  論文  参考訳（メタデータ） (2023-06-08T19:37:43Z)
• Highly accurate quantum optimization algorithm for CT image reconstructions based on sinogram patterns [0.0]
  我々は,CT画像の再構成のための新しい量子アルゴリズムを提案する。 この新しいアルゴリズムはコーンビームCT画像再構成にも利用できる。
  論文  参考訳（メタデータ） (2022-07-06T05:34:57Z)
• Learning Optimal K-space Acquisition and Reconstruction using Physics-Informed Neural Networks [46.751292014516025]
  深層ニューラルネットワークは、アンサンプされたk空間データの再構成に応用され、再構成性能が改善されている。 本研究は,k空間サンプリング軌道を正規微分方程式(ODE)問題と考えることによって学習する新しい枠組みを提案する。 実験は、異なるシーケンスで取得された様々な生き残りデータセット(例えば、脳と膝の画像)で実施された。
  論文  参考訳（メタデータ） (2022-04-05T20:28:42Z)
• 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)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• 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)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Quantum Medical Imaging Algorithms [9.775834440292487]
  医用画像における中心的な課題は、医療機器が収集したデータから画像や機能を再構築することである。 我々は、データが量子状態として入力されるとき、古典的よりも指数的に高速化された画像再構成のための量子アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-04-04T22:19:22Z)

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。