論文の概要: Efficient Convolutional Forward Model for Passive Acoustic Mapping and Temporal Monitoring

• arxiv url: http://arxiv.org/abs/2601.07356v1
• Date: Mon, 12 Jan 2026 09:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.317352
• Title: Efficient Convolutional Forward Model for Passive Acoustic Mapping and Temporal Monitoring
• Title（参考訳）: パッシブ音響マッピングと時間モニタリングのための効率的な畳み込みフォワードモデル
• Authors: Tatiana Gelvez-Barrera, Barbara Nicolas, Bruno Gilles, Adrian Basarab, Denis Kouamé,
• Abstract要約: 時間領域における畳み込みの定式化に基づくPAMビームフォーミングフレームワークを提案する。 この枠組みでは、PAMは、フォワード演算子がキャビテーション活性を記録された電波信号にマッピングする逆問題として定式化される。 次に、キャビテーション活動に関する事前知識を組み込んだ正規化逆変換を定式化する。
• 参考スコア（独自算出の注目度）: 4.219150964619931
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Passive acoustic mapping (PAM) is a key imaging technique for characterizing cavitation activity in therapeutic ultrasound applications. Recent model-based beamforming algorithms offer high reconstruction quality and strong physical interpretability. However, their computational burden and limited temporal resolution restrict their use in applications with time-evolving cavitation. To address these challenges, we introduce a PAM beamforming framework based on a novel convolutional formulation in the time domain, which enables efficient computation. In this framework, PAM is formulated as an inverse problem in which the forward operator maps spatiotemporal cavitation activity to recorded radio-frequency signals accounting for time-of-flight delays defined by the acquisition geometry. We then formulate a regularized inversion algorithm that incorporates prior knowledge on cavitation activity. Experimental results demonstrate that our framework outperforms classical beamforming methods, providing higher temporal resolution than frequency-domain techniques while substantially reducing computational burden compared with iterative time-domain formulations.
• Abstract（参考訳）: パッシブ・アコースティック・マッピング(PAM)は、治療用超音波治療におけるキャビテーション活性を特徴付けるための重要なイメージング技術である。 最近のモデルベースビームフォーミングアルゴリズムは、高い再構成品質と強力な物理的解釈性を提供する。 しかし、計算負荷と時間分解能の制限により、時間発展キャビテーションを持つアプリケーションでは使用が制限される。 これらの課題に対処するために、時間領域における新しい畳み込みの定式化に基づくPAMビームフォーミングフレームワークを導入し、効率的な計算を可能にした。 この枠組みでは、PAMは、フォワード演算子が時空間キャビテーションアクティビティを、取得幾何で定義された飛行時間遅延を考慮した記録された無線周波数信号にマッピングする逆問題として定式化される。 次に、キャビテーション活動に関する事前知識を組み込んだ正規化逆変換アルゴリズムを定式化する。 実験により,本フレームワークは従来のビームフォーミング法よりも優れた性能を示し,周波数領域法よりも時間分解能が高く,繰り返し時間領域の定式化に比べて計算負担が大幅に低減された。

関連論文リスト

• Time-Domain Linear Model-based Framework for Passive Acoustic Mapping of Cavitation Activity [4.219150964619931]
  パッシブ・アコースティック・マッピングにより空間マッピングと時間モニタリングが可能となる。 従来のビームフォーミング法は、基準放出開始時間がないため、軸方向分解能が限られている。 時間領域で完全に定式化された線形演奏モデルに基づくビームフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-25T17:48:04Z)
• Time-Embedded Algorithm Unrolling for Computational MRI [4.511561231517167]
  本稿では,逆問題に対する時間組込みアルゴリズムの解法を提案する。 本手法は,アーティファクトのエイリアスを効果的に低減し,ノイズ増幅を緩和し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-18T03:10:09Z)
• A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
  時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。 本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。 火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-11T09:59:25Z)
• Noise Hypernetworks: Amortizing Test-Time Compute in Diffusion Models [57.49136894315871]
  テストタイムスケーリングの新しいパラダイムは、推論モデルと生成視覚モデルにおいて驚くべきブレークスルーをもたらした。 本稿では,テスト時間スケーリングの知識をモデルに組み込むことの課題に対する1つの解決策を提案する。 拡散モデルにおいて、初期入力ノイズを変調するノイズハイパーネットワークにより、報酬誘導試験時間雑音の最適化を行う。
  論文  参考訳（メタデータ） (2025-08-13T17:33:37Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Vocos: Closing the gap between time-domain and Fourier-based neural vocoders for high-quality audio synthesis [1.4277428617774877]
  フーリエスペクトル係数を直接生成する新しいモデルであるVocosを提案する。 計算効率を大幅に向上し、時間領域のニューラルネットワークのボコーディングアプローチに比べて、桁違いにスピードが向上する。
  論文  参考訳（メタデータ） (2023-06-01T15:40:32Z)
• Representing Noisy Image Without Denoising [91.73819173191076]
  ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。 従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
  論文  参考訳（メタデータ） (2023-01-18T10:13:29Z)
• Time-domain Speech Enhancement with Generative Adversarial Learning [53.74228907273269]
  本稿では,TSEGAN(Time-domain Speech Enhancement Generative Adversarial Network)という新しいフレームワークを提案する。 TSEGANは、スケーリング問題を軽減するためのメトリクス評価を備えた時間領域におけるジェネレーション・アドバーサリ・ネットワーク(GAN)の拡張である。 さらに,計量ganの性能を理論的に解析するために,客観的関数マッピングに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-03-30T08:09:49Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)

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。