論文の概要: Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse

• arxiv url: http://arxiv.org/abs/2604.15681v1
• Date: Fri, 17 Apr 2026 04:07:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.735506
• Title: Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse
• Title（参考訳）: 雑音2逆による光音響再構成における自己改善角の劣化
• Authors: Markus Haltmeier, Nadja Gruber, Gyeongha Hwang,
• Abstract要約: 光音響トモグラフィ(PAT)は、光学コントラストと超音波分解能を組み合わせた新しい画像モダリティである。 本研究では,地中構造データを必要とすることなく,有限サイズの検出器効果に対処するNoisier2Inverseに基づく自己教師型再構成手法を提案する。 提案手法はノイズ測定を直接処理し,高画質のPAT画像を地道な方法で復元する方法を学習する。
• 参考スコア（独自算出の注目度）: 2.812291464467386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoacoustic tomography (PAT) is an emerging imaging modality that combines the complementary strengths of optical contrast and ultrasonic resolution. A central task is image reconstruction, where measured acoustic signals are used to recover the initial pressure distribution. For ideal point-like or line-like detectors, several efficient and fast reconstruction algorithms exist, including Fourier methods, filtered backprojection, and time reversal. However, when applied to data acquired with finite-size detectors, these methods yield systematically blurred images. Although sharper images can be obtained by compensating for finite-detector effects, supervised learning approaches typically require ground-truth images that may not be available in practice. We propose a self-supervised reconstruction method based on Noisier2Inverse that addresses finite-size detector effects without requiring ground-truth data. Our approach operates directly on noisy measurements and learns to recover high-quality PAT images in a ground-truth-free manner. Its key components are: (i) PAT-specific modeling that recasts the problem as angular deblurring; (ii) a Noisier2Inverse formulation in the polar domain that leverages the known angular point-spread function; and (iii) a novel, statistically grounded early-stopping rule. In experiments, the proposed method consistently outperforms alternative approaches that do not use supervised data and achieves performance close to supervised benchmarks, while remaining practical for real acquisitions with finite-size detectors.
• Abstract（参考訳）: 光音響トモグラフィ(PAT)は、光学コントラストと超音波分解能の相補的な強度を組み合わせた、新たな画像モダリティである。 中心となる課題は画像再構成であり、測定された音響信号を用いて初期圧力分布を復元する。 理想的な点状または線状検出器には、フーリエ法、フィルタバックプロジェクション、時間反転を含む、効率的で高速な再構成アルゴリズムがいくつか存在する。 しかし、有限サイズ検出器で取得したデータに適用すると、これらの手法は系統的にぼやけた画像を生成する。 有限検出器効果を補正することで、よりシャープな画像が得られるが、教師付き学習アプローチでは、実際には利用できないような地平線画像を必要とするのが普通である。 本研究では,地中構造データを必要とすることなく,有限サイズの検出器効果に対処するNoisier2Inverseに基づく自己教師型再構成手法を提案する。 提案手法はノイズ測定を直接処理し,高画質のPAT画像を地道な方法で復元する方法を学習する。 主な構成要素は以下の通り。 一 問題を角みがきとして再放送するPAT特有なモデリング (ii)既知の角点スプレッド関数を利用する極域におけるノイジエ2逆定式化 (三)統計学的に根ざした新ルール。 実験において, 提案手法は, 教師付きデータを使用しず, 教師付きベンチマークに近い性能を保ちながら, 有限サイズ検出器による実際の取得に有効である。

関連論文リスト

• Reconstruction-Free Anomaly Detection with Diffusion Models [30.099399014193573]
  Inversion-based Anomaly Detection (AD) 手法を提案する。 元の確率フローODEを近似する際、クリーンな画像にノイズを与えるための反転ステップはごくわずかである。 付加雑音が学習拡散モデルに適応的に導出されるので、クリーンテスト画像の原特徴を引き続き利用して高い検出精度を得ることができる。
  論文  参考訳（メタデータ） (2025-04-08T04:23:43Z)
• Deep priors for satellite image restoration with accurate uncertainties [4.879530644978008]
  本稿では,複数のセンサからの画像を復元する1つのネットワークを包含する汎用手法を提案する。 VBLE-xzは、現実的な後続サンプルと正確な不確実性を得るためのスケーラブルな方法である。 SatDPIRは、不確実性を必要としない場合、直接反転法に代わる魅力的な代替手段である。
  論文  参考訳（メタデータ） (2024-12-05T12:56:03Z)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• A Dual-domain Regularization Method for Ring Artifact Removal of X-ray CT [3.060824004762835]
  検出ユニットの望ましくない応答から生じる計算トモグラフィー画像のリングアーティファクトは、画像品質と診断信頼性を著しく低下させた。 本稿では,元のCT画像の整合性を保ちながら,リングアーティファクトを効果的に除去するための二重領域正規化モデルを提案する。 提案モデルでは, 検出ユニットの応答不整合補償係数を革新的に更新することにより, シングラム上の垂直ストライプアーティファクトを補正する。
  論文  参考訳（メタデータ） (2024-03-13T05:01:37Z)
• Score-based Generative Models for Photoacoustic Image Reconstruction with Rotation Consistency Constraints [6.9663558538050685]
  光音響トモグラフィ(英: Photoacoustic tomography, PAT)は、高光コントラストと音響透過深度の両方を可能にする新しい画像モダリティである。 深層学習に基づく先行研究は教師ありの方法で訓練され、入力された部分的なセンサデータを全視野で再構築された地上の真実に直接マッピングする。 本稿では,ランゲヴィンダイナミクスと制約項の反復サンプリングによりPAT画像を復元する回転整合性制約付きスコアベース生成モデル(RCC-SGM)を提案する。
  論文  参考訳（メタデータ） (2023-06-24T02:47:03Z)
• 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)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)

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。