論文の概要: A Warm-basis Method for Bridging Learning and Iteration: a Case Study in Fluorescence Molecular Tomography

• arxiv url: http://arxiv.org/abs/2510.05926v1
• Date: Tue, 07 Oct 2025 13:38:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.271341
• Title: A Warm-basis Method for Bridging Learning and Iteration: a Case Study in Fluorescence Molecular Tomography
• Title（参考訳）: ブリッジング学習とイテレーションのためのワームベイズ法:蛍光分子線トモグラフィーを例として
• Authors: Ruchi Guo, Jiahua Jiang, Bangti Jin, Wuwei Ren, Jianru Zhang,
• Abstract要約: 本稿では,新しいウォームベーシイテレーティブ・プロジェクション法(WB-IPM)を提案し,その理論的基盤を確立する。 WB-IPMは学習に基づく手法や反復的な手法よりもはるかに正確な再構築を実現することができる。
• 参考スコア（独自算出の注目度）: 1.3497065253891938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluorescence Molecular Tomography (FMT) is a widely used non-invasive optical imaging technology in biomedical research. It usually faces significant accuracy challenges in depth reconstruction, and conventional iterative methods struggle with poor $z$-resolution even with advanced regularization. Supervised learning approaches can improve recovery accuracy but rely on large, high-quality paired training dataset that is often impractical to acquire in practice. This naturally raises the question of how learning-based approaches can be effectively combined with iterative schemes to yield more accurate and stable algorithms. In this work, we present a novel warm-basis iterative projection method (WB-IPM) and establish its theoretical underpinnings. The method is able to achieve significantly more accurate reconstructions than the learning-based and iterative-based methods. In addition, it allows a weaker loss function depending solely on the directional component of the difference between ground truth and neural network output, thereby substantially reducing the training effort. These features are justified by our error analysis as well as simulated and real-data experiments.
• Abstract（参考訳）: 蛍光分子線トモグラフィ(FMT)は、生体医学研究において広く使われている非侵襲的な光学イメージング技術である。 通常、深度復元においてかなりの精度の課題に直面するが、従来の反復法は高度な正規化であってもZ$解像度が低い。 教師付き学習アプローチは、回復精度を改善することができるが、実際に取得するには実用的でない大規模な高品質のペアトレーニングデータセットに依存している。 このことは、学習に基づくアプローチと反復的なスキームを効果的に組み合わせて、より正確で安定したアルゴリズムが得られるかという疑問を自然に提起する。 本稿では,新しいウォームベーシイテレーティブ・プロジェクション法(WB-IPM)を提案し,その理論的基盤を確立する。 この手法は,学習に基づく手法や反復的な手法よりも,はるかに正確な再構築を実現することができる。 さらに、基底真理とニューラルネットワーク出力の差の方向成分にのみ依存する損失関数を弱め、トレーニングの労力を大幅に削減する。 これらの特徴は、シミュレーションおよび実データ実験と同様に、エラー解析によって正当化される。

関連論文リスト

• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• PETScML: Second-order solvers for training regression problems in Scientific Machine Learning [0.22499166814992438]
  近年、分析のためのデータ駆動ツールとして、科学機械学習の出現を目撃している。 我々は、ディープラーニングソフトウェアと従来の機械学習技術とのギャップを埋めるために、Portable and Extensible Toolkit for Scientific計算上に構築されたソフトウェアを紹介します。
  論文  参考訳（メタデータ） (2024-03-18T18:59:42Z)
• Transformer Meets Boundary Value Inverse Problems [4.165221477234755]
  変圧器を用いた深部直接サンプリング法は境界値逆問題のクラスを解くために提案される。 慎重に設計されたデータと再構成された画像の間に学習した逆演算子を評価することにより、リアルタイムな再構成を実現する。
  論文  参考訳（メタデータ） (2022-09-29T17:45:25Z)
• 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)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Unsupervised anomaly detection in digital pathology using GANs [4.318555434063274]
  本稿では,GANを用いた病理組織データにおける異常検出のための新しい教師なし学習手法を提案する。 医用画像に用いられている既存のGAN法と比較して,本手法は病理データの性能を大幅に改善する。
  論文  参考訳（メタデータ） (2021-03-16T10:10:12Z)
• Self-Supervised Training For Low Dose CT Reconstruction [0.0]
  本研究は,低線量シノグラムを自身のトレーニングターゲットとして用いるためのトレーニングスキームを定義する。 ノイズが要素的に独立な射影領域に自己超越原理を適用する。 提案手法は,従来手法と圧縮方式の両方において,反復的再構成法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-25T22:02:14Z)
• Investigating the Scalability and Biological Plausibility of the Activation Relaxation Algorithm [62.997667081978825]
  アクティベーション・リラクシエーション(AR)アルゴリズムは、誤りアルゴリズムのバックプロパゲーションを近似するためのシンプルでロバストなアプローチを提供する。 このアルゴリズムは、学習可能な後方重みセットを導入することにより、さらに単純化され、生物学的に検証可能であることを示す。 また、元のARアルゴリズム(凍結フィードフォワードパス)の別の生物学的に信じられない仮定が、パフォーマンスを損なうことなく緩和できるかどうかについても検討する。
  論文  参考訳（メタデータ） (2020-10-13T08:02:38Z)

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。