論文の概要: Adaptive Beam Selection for Efficient Scanning Probe Tomography

• arxiv url: http://arxiv.org/abs/2606.21713v1
• Date: Fri, 19 Jun 2026 19:58:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 03:50:39.492878
• Title: Adaptive Beam Selection for Efficient Scanning Probe Tomography
• Title（参考訳）: 効率的な走査型プローブトモグラフィのための適応ビーム選択法
• Authors: San Dinh, Zichao Wendy Di, Matt Menickelly,
• Abstract要約: X線トモグラフィーでは、再構成の質は概して多くの投影で改善される。 実際には、情報を最大限にするために広く使われるのは、試料の端にビームを並べることである。 本研究は,サンノグラムから直接エッジアライメント計測を識別する新しいシーケンシャル設計法を提案する。
• 参考スコア（独自算出の注目度）: 0.8156494881838946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In X-ray tomography, reconstruction quality generally improves with larger numbers of projections. However, more projections increase experiment costs, acquisition time and the radiation dose imparted to the sample. One mitigation to these trade-offs is to adopt a sequential design of experiments, in which each subsequent measurement is determined as a function of previously acquired data in order to maximize information gain. In practice, a widely used heuristic to maximize information is to align beams with the edges of the sample. A key challenge, however, is that the true sample is unknown, so identifying edge-aligned beams typically requires reconstructing the sample based on available measurements. This work proposes a novel sequential design method that identifies edge-aligned measurements directly from the sinogram, bypassing any reconstruction, thereby improving computational efficiency and reducing the experimental design's susceptibility to reconstruction errors. Our method dynamically selects the next set of measurement beams by maximizing an acquisition function that balances exploration and exploitation over the domain of all possible measurements, improving reconstruction quality while reducing measurement redundancy.
• Abstract（参考訳）: X線トモグラフィでは、再構成の品質は概して多くの投影で改善される。 しかし、より多くの予測は、実験コスト、取得時間、試料に付与される放射線線量を増加させる。 これらのトレードオフの緩和の1つは、情報ゲインを最大化するために、後続の測定を以前取得したデータの関数として決定する実験のシーケンシャルな設計を採用することである。 実際には、情報の最大化に広く使われているヒューリスティックは、試料の端にビームを並べることである。 しかし、重要な課題は、真のサンプルが未知であるため、エッジアライメントビームを特定するには、通常、利用可能な測定値に基づいてサンプルを再構築する必要がある。 本研究は, シングラムから直接エッジアライメント測定を同定し, 再構成を回避し, 計算効率を向上し, 再構成誤差に対する実験設計の感受性を低減できる新しい逐次設計法を提案する。 本手法は,全ての測定可能な領域の探索と利用のバランスを最大化し,測定冗長性を低減しつつ再構成品質を向上させることにより,次の測定ビームの集合を動的に選択する。

関連論文リスト

• Information-Theoretic Optimization for Task-Adapted Compressed Sensing Magnetic Resonance Imaging [92.90858286761515]
  タスク適応型圧縮型磁気共鳴画像(CS-MRI)は、下流臨床の特定の要求に対処するために出現している。 本稿では,不確実性予測のための確率的推論を同時に達成するために,情報理論の観点から最初のタスク適応型CS-MRIを提案する。 我々は、アモータイズされた最適化を活用し、抽出、再構成、タスク推論モデルを共同で最適化するために、相互情報に対してトラクタブルな変動境界を構築する。
  論文  参考訳（メタデータ） (2026-04-14T13:23:19Z)
• Active MRI Acquisition with Diffusion Guided Bayesian Experimental Design [1.3142127084199051]
  臨床環境におけるMRIの利点を最大化するための鍵となる課題は、画像品質を著しく劣化させることなく取得時間を短縮することである。 この目的には、高速な取得のために生のk空間測定をアンダーサンプリングすることと、高忠実度画像再構成および解析タスクのための十分な生情報を収集することのバランスが必要である。 本稿では, 逐次ベイズ実験設計(BED)を用いて, 最も情報性の高い測定値の適応的, タスク依存的な選択を実現することを提案する。
  論文  参考訳（メタデータ） (2025-06-19T11:48:30Z)
• Actively Inferring Optimal Measurement Sequences [8.229775890542967]
  我々は,低次元表現型潜在空間を用いて,次にどの測定を行うかを選択する能動的逐次推論アルゴリズムを開発した。 このアルゴリズムは、Fashion MNISTデータセットと、新しい畳み込みアダマールパターン測定ベースを用いて説明される。
  論文  参考訳（メタデータ） (2025-02-25T12:10:28Z)
• Improving Predictor Reliability with Selective Recalibration [15.319277333431318]
  リカレーションは、事前訓練されたモデルで信頼性の高い信頼度を推定する最も効果的な方法の1つである。 そこで我々は,選択モデルがユーザの選択比率を下げることを学ぶテキスト選択的リカレーションを提案する。 以上の結果から,選択的再校正は幅広い選択基準と再校正基準よりも,キャリブレーション誤差が著しく低いことが示唆された。
  論文  参考訳（メタデータ） (2024-10-07T18:17:31Z)
• Tomographic Reconstruction and Regularisation with Search Space Expansion and Total Variation [0.0]
  不完全なデータの処理は、患者が潜在的に放射線を損傷したり、長いスキャン時間に対処できない場合に重要である。 本稿では,画像空間内を粒子が移動し,再構成誤差を最小限に抑えるために,Swarmをベースとした再構成手法を提案する。 提案手法は, 標準的なトモグラフィ再構成ツールボックスアルゴリズムと比較して, 再現誤差が低いことを示す。
  論文  参考訳（メタデータ） (2024-06-03T15:57:43Z)
• Conditioning Generative Latent Optimization for Sparse-View CT Image Reconstruction [0.5497663232622965]
  生成潜在最適化フレームワーク(cGLO)に対する教師なし条件付きアプローチを提案する。 この手法は、複数のトレーニングデータセットサイズと様々な視角を用いて、フルドーズスパース・ビューCTでテストされる。
  論文  参考訳（メタデータ） (2023-07-31T13:47:33Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• 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)
• 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)
• ReMP: Rectified Metric Propagation for Few-Shot Learning [67.96021109377809]
  修正されたメートル法空間は、トレーニングからテストまでのメートル法一貫性を維持するために学習される。 多くの分析結果から、目的の単純な修正がかなりの性能向上をもたらすことが示唆された。 提案したReMPは効率的で効率的であり、様々な標準的な数発の学習データセットで芸術の状態を上回ります。
  論文  参考訳（メタデータ） (2020-12-02T00:07:53Z)

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。