論文の概要: No-reference based automatic parameter optimization for iterative reconstruction using a novel search space aware crow search algorithm
- arxiv url: http://arxiv.org/abs/2604.06246v1
- Date: Mon, 06 Apr 2026 12:09:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.111909
- Title: No-reference based automatic parameter optimization for iterative reconstruction using a novel search space aware crow search algorithm
- Title（参考訳）: 新しい探索空間認識カラス探索アルゴリズムを用いた反復再構成のための非参照に基づく自動パラメータ最適化
- Authors: Poorya MohammadiNasab, Ander Biguri, Philipp Steininger, Peter Keuschnigg, Lukas Lamminger, Agnieszka Lach, S M Ragib Shahriar Islam, Anna Breger, Clemens Karner, Carola-Bibiane Schönlieb, Wolfgang Birkfellner, Sepideh Hatamikia,
- Abstract要約: 本稿では,CBCT(Cone-beam Computed Tomography)反復再構成アルゴリズムに適用可能な,完全自動パラメータ最適化フレームワークを提案する。
提案手法は,より優れた設定依存局所探索機構を備えた改良されたクロウ探索アルゴリズム (CSA) を組み込んだものである。
提案手法の性能を3台の撮像装置と4台の実データを用いて評価した。
- 参考スコア（独自算出の注目度）: 14.724909957930542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Iterative reconstruction technique's ability to reduce radiation exposure by using fewer projections has attracted significant attention. However, these methods typically require a precise tuning of several hyperparameters, which can have a major impact on reconstruction quality. Manually setting these parameters is time-consuming and increases the workload for human operators. In this paper, we introduce a novel fully automatic parameter optimization framework that can be applied to a wide range of Cone-beam computed tomography (CBCT) iterative reconstruction algorithms to determine optimal parameters without requiring a reference reconstruction. The proposed method incorporates a modified crow search algorithm (CSA) featuring a superior set-dependent local search mechanism, a search-space-aware global search strategy, and an objective-driven balance between local and global search. Additionally, to ensure an effective initial population, we propose a chaotic diagonal linear uniform initialization scheme that accelerates algorithm convergence. The performance of the proposed framework was evaluated on three imaging machines and four real datasets, as well as three different iterative reconstruction methods with the highest number of tunable parameters, representing the most challenging senario. The results indicate that the proposed method could outperform manual settings and CSA, with an 4.19% improvement in average fitness and 4.89% and 3.82% improvements on CHILL@UK and RPI_AXIS, respectively, which are two benchmark no-reference learning-based quality metrics. In addition, the qualitative results clearly show the superiority of the proposed method by maintaining fine details sharply. The overall performance of the proposed framework across different comparison scenarios demonstrates its effectiveness and robustness across all cases.
- Abstract（参考訳）: プロジェクションを減らして放射線被曝を減らす反復再建技術が注目されている。
しかし、これらの手法は通常、いくつかのハイパーパラメータを正確にチューニングする必要があるため、復元品質に大きな影響を及ぼす可能性がある。
手動でこれらのパラメータを設定するのに時間がかかり、人間のオペレーターの作業負荷が増加する。
本稿では,コンビーム計算トモグラフィ (CBCT) の反復再構成アルゴリズムに適用可能な,参照再構成を必要とせずに最適なパラメータを決定するための,新しい完全自動パラメータ最適化フレームワークを提案する。
提案手法は,より優れた設定依存型局所探索機構,検索空間を意識したグローバル検索戦略,および局所検索とグローバル検索の客観的バランスを特徴とする改良型クロウ探索アルゴリズム(CSA)を組み込んだ。
さらに,有効な初期集団を確保するために,アルゴリズムの収束を加速するカオスな対角線形一様初期化スキームを提案する。
提案手法の性能評価は,3つの撮像装置と4つの実データセット,および最大数の調整可能なパラメータを持つ3つの反復再構成手法を用いて行った。
提案手法は, 平均適合度が4.19%, CHILL@UK と RPI_AXIS が3.82%向上した。
さらに, 定性的結果は, 細部を鋭く維持することにより, 提案手法の優位性を示す。
異なる比較シナリオで提案されたフレームワークの全体的なパフォーマンスは、すべてのケースにおいて、その有効性と堅牢性を示している。
関連論文リスト
- Diff3R: Feed-forward 3D Gaussian Splatting with Uncertainty-aware Differentiable Optimization [76.38917994186733]
Diff3Rはフィードフォワード予測とテストタイム最適化をブリッジする新しいフレームワークである。
フィードフォワード3DGSアーキテクチャにシームレスに統合でき、ポーズギヴン法とポーズフリー法の両方に対応できることを示す。
論文 参考訳（メタデータ） (2026-04-01T15:40:20Z) - Genetic Algorithms For Parameter Optimization for Disparity Map Generation of Radiata Pine Branch Images [5.266753902938501]
UAVアプリケーションのための遺伝的アルゴリズム(GA)に基づくパラメータ最適化フレームワークを提案する。
コントリビューションには,(1)手動チューニングを排除した新しいGAベースのパラメータ最適化フレームワーク,(2)複数の画像品質指標を用いた総合評価手法,(3)資源制約付きUAVシステムのための実用的なソリューションなどが含まれている。
実験の結果,GA最適化手法により平均正方形誤差が42.86%減少し,ピーク信号対雑音比が8.47%,構造類似度が28.52%増加した。
論文 参考訳（メタデータ） (2025-12-05T04:00:18Z) - A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。
提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
論文 参考訳（メタデータ） (2025-06-14T17:35:27Z) - Tuning-Free Structured Sparse PCA via Deep Unfolding Networks [5.931547772157972]
教師なし特徴選択(UFS)のための新しいタイプのスパース主成分分析(PCA)を提案する。
解釈可能な深層展開ネットワークを使用して、反復最適化ステップをトレーニング可能なニューラルネットワークに変換する。
この革新は、従来の手法の経験的チューニング要求を効果的に回避し、正規化パラメータの自動学習を可能にする。
論文 参考訳（メタデータ） (2025-02-28T08:32:51Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z) - Parameter Tuning Strategies for Metaheuristic Methods Applied to
Discrete Optimization of Structural Design [0.0]
本稿では, 鉄筋コンクリート(RC)構造物の設計最適化のためのメタヒューリスティック手法のパラメータを調整するためのいくつかの手法を提案する。
平均性能曲線の下での面積に基づいて, 実用性指標を提案する。
論文 参考訳（メタデータ） (2021-10-12T17:34:39Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - On the implementation of a global optimization method for mixed-variable
problems [0.30458514384586394]
このアルゴリズムは、グットマンの放射基底関数と、レジスとシューメーカーの計量応答面法に基づいている。
これら2つのアルゴリズムの一般化と改良を目的としたいくつかの修正を提案する。
論文 参考訳（メタデータ） (2020-09-04T13:36:56Z) - Objective-Sensitive Principal Component Analysis for High-Dimensional
Inverse Problems [0.0]
本稿では,大規模乱数場の適応的,微分可能なパラメータ化手法を提案する。
開発した手法は主成分分析(PCA)に基づくが,目的関数の振る舞いを考慮した主成分の純粋にデータ駆動に基づく基礎を変更する。
最適パラメータ分解のための3つのアルゴリズムを2次元合成履歴マッチングの目的に適用した。
論文 参考訳（メタデータ） (2020-06-02T18:51:17Z) - Stochastic batch size for adaptive regularization in deep network
optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。
一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文 参考訳（メタデータ） (2020-04-14T07:54:53Z)
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。