論文の概要: Improved Image Reconstruction and Diffusion Parameter Estimation Using a Temporal Convolutional Network Model of Gradient Trajectory Errors

• arxiv url: http://arxiv.org/abs/2506.14995v1
• Date: Tue, 17 Jun 2025 22:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.492772
• Title: Improved Image Reconstruction and Diffusion Parameter Estimation Using a Temporal Convolutional Network Model of Gradient Trajectory Errors
• Title（参考訳）: 勾配軌道誤差の時間畳み込みネットワークモデルによる画像再構成と拡散パラメータ推定の改善
• Authors: Jonathan B. Martin, Hannah E. Alderson, John C. Gore, Mark D. Does, Kevin D. Harkins,
• Abstract要約: 勾配軌道の誤差は、磁気共鳴画像に重要なアーティファクトと歪みをもたらす。 我々は畳み込みネットワークを用いて勾配歪みを正確に予測できる一般非線形勾配系モデルを開発した。
• 参考スコア（独自算出の注目度）: 1.0252723257176566
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Summary: Errors in gradient trajectories introduce significant artifacts and distortions in magnetic resonance images, particularly in non-Cartesian imaging sequences, where imperfect gradient waveforms can greatly reduce image quality. Purpose: Our objective is to develop a general, nonlinear gradient system model that can accurately predict gradient distortions using convolutional networks. Methods: A set of training gradient waveforms were measured on a small animal imaging system, and used to train a temporal convolutional network to predict the gradient waveforms produced by the imaging system. Results: The trained network was able to accurately predict nonlinear distortions produced by the gradient system. Network prediction of gradient waveforms was incorporated into the image reconstruction pipeline and provided improvements in image quality and diffusion parameter mapping compared to both the nominal gradient waveform and the gradient impulse response function. Conclusion: Temporal convolutional networks can more accurately model gradient system behavior than existing linear methods and may be used to retrospectively correct gradient errors.
• Abstract（参考訳）: 概要: 勾配軌道の誤差は、磁気共鳴画像、特に不完全な勾配波形が画質を大幅に低下させる非カルテシアン画像列において、重要なアーティファクトや歪みをもたらす。 目的: 畳み込みネットワークを用いて勾配歪みを正確に予測できる一般非線形勾配系モデルを開発することを目的とする。 方法:小動物イメージングシステムにおいて,一連の勾配波形を測定し,時間的畳み込みネットワークを訓練し,画像システムによって生成された勾配波形を予測する。 結果: 学習したネットワークは, 勾配系によって生じる非線形歪みを正確に予測することができた。 勾配波形のネットワーク予測を画像再構成パイプラインに組み込み, 名目勾配波形と勾配インパルス応答関数の両方と比較して画質と拡散パラメータマッピングの改善を行った。 結論: 時間畳み込みネットワークは、既存の線形手法よりも、より正確に勾配の挙動をモデル化でき、また、振り返りで勾配の誤差を補正することができる。

関連論文リスト

• Graph convolutional networks enable fast hemorrhagic stroke monitoring with electrical impedance tomography [0.0]
  グラフ畳み込みネットワークを用いた後処理方式を用いる。 グラフU-netは、2次元シミュレートされたストロークデータから線形差分再構成に基づいて訓練される。
  論文  参考訳（メタデータ） (2024-12-10T19:47:49Z)
• GPR Full-Waveform Inversion through Adaptive Filtering of Model Parameters and Gradients Using CNN [11.498712639652279]
  モデルパラメータと勾配を適応的にフィルタするために、組み込み畳み込みニューラルネットワーク(CNN)を組み込んだ新しいフルウェーブフォーム・インバージョン・フレームワークを導入する。 実験により、フォワード計算中にモデルパラメータをフィルタリングし、バックプロパゲーション時にモデル勾配が最終的に高品質な反転結果をもたらすことが示されている。
  論文  参考訳（メタデータ） (2024-10-11T06:49:05Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• Implicit Bias in Leaky ReLU Networks Trained on High-Dimensional Data [63.34506218832164]
  本研究では,ReLUを活性化した2層完全連結ニューラルネットワークにおける勾配流と勾配降下の暗黙的バイアスについて検討する。 勾配流には、均一なニューラルネットワークに対する暗黙のバイアスに関する最近の研究を活用し、リーク的に勾配流が2つ以上のランクを持つニューラルネットワークを生成することを示す。 勾配降下は, ランダムな分散が十分小さい場合, 勾配降下の1ステップでネットワークのランクが劇的に低下し, トレーニング中もランクが小さくなることを示す。
  論文  参考訳（メタデータ） (2022-10-13T15:09:54Z)
• Edge-oriented Implicit Neural Representation with Channel Tuning [1.6114012813668934]
  入射神経表現は、イメージを離散格子形式ではなく連続関数として表現する。 暗黙の表現を訓練するための画像の勾配を計算するグラディエント・マグニチュード調整アルゴリズムを提案する。 また、鮮明なエッジで画像を再構成できるエッジ指向表現ネットワーク(EoREN)を提案する。
  論文  参考訳（メタデータ） (2022-09-22T01:01:46Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• GraDIRN: Learning Iterative Gradient Descent-based Energy Minimization for Deformable Image Registration [9.684786294246749]
  変形可能な画像登録を学習するためのGraDIRN(Gradient Descent-based Image Registration Network)を提案する。 GraDIRNは多分解能勾配降下エネルギー最小化に基づいている。 本手法は,学習可能なパラメータを少なく抑えながら,最先端の登録性能を実現することを実証する。
  論文  参考訳（メタデータ） (2021-12-07T14:48:31Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• High-dimensional Assisted Generative Model for Color Image Restoration [12.459091135428885]
  本研究は,カラー画像復元作業において,高次元のスコアベース生成モデルを利用する教師なしのディープラーニング手法を提案する。 スコアベース生成モデルにおけるサンプル数と内部次元を考慮すると、チャネルコピー変換はサンプル数を増やし、ピクセルスケール変換は実現可能な次元空間を減少させる2つの異なる高次元方法が提案される。 高次元表現を学習することの難しさを軽減するために,性能を活用するためのプログレッシブ戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-14T04:05:29Z)
• Cogradient Descent for Dependable Learning [64.02052988844301]
  双線形最適化問題に対処するために,CoGDアルゴリズムに基づく信頼度の高い学習法を提案する。 CoGDは、ある変数がスパーシティ制約を持つ場合の双線形問題を解くために導入された。 また、特徴と重みの関連を分解するためにも使用できるため、畳み込みニューラルネットワーク(CNN)をより良く訓練するための我々の手法をさらに一般化することができる。
  論文  参考訳（メタデータ） (2021-06-20T04:28:20Z)
• Channel-Directed Gradients for Optimization of Convolutional Neural Networks [50.34913837546743]
  本稿では,畳み込みニューラルネットワークの最適化手法を提案する。 出力チャネル方向に沿って勾配を定義することで性能が向上し,他の方向が有害となることを示す。
  論文  参考訳（メタデータ） (2020-08-25T00:44:09Z)

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。