論文の概要: Deep Image Prior for photoacoustic tomography can mitigate limited-view artifacts

• arxiv url: http://arxiv.org/abs/2604.19176v1
• Date: Tue, 21 Apr 2026 07:39:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.672423
• Title: Deep Image Prior for photoacoustic tomography can mitigate limited-view artifacts
• Title（参考訳）: 光音響トモグラフィーに先立つDeep Imageは、限られたビューアーティファクトを軽減できる
• Authors: Hanna Pulkkinen, Jenni Poimala, Leonid Kunyansky, Janek Gröhl, Andreas Hauptmann,
• Abstract要約: 本研究では,光音響トモグラフィ(PAT)に応用したディープ画像先行(DIP)フレームワークについて,教師なし再構成手法として検討した。 効率的な実装は、最近発表された円形測地のための高速フォワードおよび随伴アルゴリズムを用いることによって達成される。
• 参考スコア（独自算出の注目度）: 2.6010848214873388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the deep image prior (DIP) framework applied to photoacoustic tomography (PAT) as an unsupervised reconstruction approach to mitigate limited-view artifacts and noise commonly encountered in experimental settings. Efficient implementation is achieved by employing recently published fast forward and adjoint algorithms for circular measurement geometries. Initialization via a fast inverse and total variation (TV) regularization are applied to further suppress noise and mitigate overfitting. For comparison, we compute a classical TV reconstruction. Our experiments comprise simulated PAT measurements under limited-view geometries and varying levels of added noise as well as experimental measurements together with using a digital twin for quality assessment. Our findings suggest that DIP framework provides an effective unsupervised strategy for robust PAT reconstruction even in the challenging case of a limited view geometry providing improvement in several quantitative measures over total variation reconstructions.
• Abstract（参考訳）: 本研究では,光音響トモグラフィー (PAT) に応用したディープイメージ先行(DIP) フレームワークについて,実験環境下で発生する限られた視像や雑音を緩和するための教師なし再構成手法として検討した。 効率的な実装は、最近発表された円形測地のための高速フォワードおよび随伴アルゴリズムを用いることによって達成される。 高速逆および全変分(TV)正則化による初期化を適用し、ノイズの抑制と過度な適合を緩和する。 比較のために、我々は古典的なテレビの再構成を計算した。 本実験は,限定的な測地条件下でのPAT測定と付加雑音のレベルの変化,およびデジタルツインを用いた品質評価実験を含む。 以上の結果から,DIP フレームワークは,視線形状が制限された場合であっても,頑健な PAT 再構築のための効果的な教師なし戦略を提供し,総変分再構成に対するいくつかの定量的対策の改善を図っていることが示唆された。

関連論文リスト

• Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse [2.812291464467386]
  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。
  論文  参考訳（メタデータ） (2026-04-17T04:07:11Z)
• Revisiting Reconstruction-based AI-generated Image Detection: A Geometric Perspective [50.83711509908479]
  幾何学的観点からの再構成誤差に対するヤコビアンスペクトル下界の導入について述べる。 再構成多様体上の実画像は非自明な誤差下界を示し、多様体上の生成された画像はゼロに近い誤差を持つことを示す。 本稿では,構造化編集操作を活用することで動的再構成誤差を計算できるReGapを提案する。
  論文  参考訳（メタデータ） (2025-10-29T03:45:03Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Diffusion-Based Limited-Angle CT Reconstruction under Noisy Conditions [10.287171164361608]
  角投影の欠如は、再構成された画像の不完全なシノグラムやアーティファクトに繋がる。 本稿では, 平均回帰微分方程式(MR-SDE)を用いて, 角ビューの欠落を解消する拡散型フレームワークを提案する。 現実的な雑音下でのロバスト性を改善するために,推論時間不確実性を明示的にモデル化する新しいノイズ認識機構を提案する。
  論文  参考訳（メタデータ） (2025-07-08T03:58:52Z)
• 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)
• Reconstruction Distortion of Learned Image Compression with Imperceptible Perturbations [69.25683256447044]
  本稿では,学習画像圧縮(lic)の再構成品質を効果的に劣化させる攻撃手法を提案する。 我々は,Frobeniusノルムに基づく損失関数を導入して,元の画像と再構成された逆例との差を最大化することによって,逆例を生成する。 様々なlicモデルを用いてKodakデータセット上で実験を行った結果,有効性が確認された。
  論文  参考訳（メタデータ） (2023-06-01T20:21:05Z)
• A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
  Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。 本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-12T03:29:14Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Equivariance Regularization for Image Reconstruction [5.025654873456756]
  不完全な測定条件下での画像逆問題に対する構造適応正則化手法を提案する。 この正規化スキームは、測定の物理学における同変構造を利用して、逆問題の不当な位置を緩和する。 提案手法は,古典的な一階最適化アルゴリズムとともに,プラグ・アンド・プレイ方式で適用することができる。
  論文  参考訳（メタデータ） (2022-02-10T14:38:08Z)
• Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
  本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。 提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。 我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2021-08-18T17:57:02Z)

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。