論文の概要: Matrix-Free Photoacoustic Image Reconstruction via Sensor-Token Self-Attention

• arxiv url: http://arxiv.org/abs/2607.25576v1
• Date: Tue, 28 Jul 2026 11:00:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.812877
• Title: Matrix-Free Photoacoustic Image Reconstruction via Sensor-Token Self-Attention
• Title（参考訳）: センサ・トーケン・セルフアテンションによるマトリックスフリー光音響画像再構成
• Abstract要約: 光音響トモグラフィ(PAT)は、生体組織の光吸収コントラストと超音波の空間分解能を組み合わせる。 反復圧縮センシング解法とアンロールディープネットワークは、推論時に系の行列に依存する。 本稿では,各センサの全時系列をトークンとして扱うトランスフォーマーアーキテクチャであるSensor Attention Network (SAN)を提案する。
• 参考スコア（独自算出の注目度）: 0.9949801888214528
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Photoacoustic tomography (PAT) combines the optical absorption contrast of biological tissue with the spatial resolution of ultrasound, yet recovering the initial pressure distribution from sparse-view sensor measurements remains an ill-posed inverse problem. Iterative compressive-sensing solvers and unrolled deep networks both retain a dependence on the system matrix at inference, which leaves real-time clinical reconstruction computationally expensive. This paper proposes the Sensor Attention Network (SAN), a Transformer-based architecture that treats the full time series of each sensor as a token and maps raw measurements directly to the reconstructed image without invoking the system matrix at inference. For training and benchmarking, an analytical k-space H-matrix is constructed and validated against the k-Wave pseudo-spectral solver under matched geometry, achieving a mean per-sensor Pearson correlation of 0.919 +/- 0.049, with k-space apodization and Gaussian temporal damping acting synergistically to reduce the energy-normalized mismatch by 49%. Trained with a vessel-weighted loss on 488 augmented samples and evaluated on 46 held-out samples against ISTA, split-Bregman total variation (SBTV), and learned ISTA (LISTA), SAN attains the highest mean SSIM (0.522) and PSNR (22.09 dB) and the lowest NMSE (0.233). Paired t-tests and Wilcoxon signed-rank tests confirm the superiority of SAN over LISTA on PSNR, NMSE, and Pearson correlation at p < 1e-8, and over ISTA and SBTV on all fidelity metrics. By bypassing the H-matrix at inference, SAN reduces reconstruction time by at least an order of magnitude, supporting real-time PAT reconstruction.
• Abstract（参考訳）: 光音響トモグラフィ(PAT)は、生体組織の光吸収コントラストと超音波の空間分解能を組み合わせるが、スパースビューセンサーによる初期圧力分布の回復は不適切な逆問題である。 反復圧縮センシング解法とアンロールディープネットワークはどちらも推論時のシステムマトリックスへの依存を保ち、リアルタイムのクリニカルリコンストラクションは計算コストがかかる。 本稿では,各センサの全時系列をトークンとして扱うトランスフォーマーベースのアーキテクチャであるSensor Attention Network (SAN)を提案する。 トレーニングおよびベンチマークでは、k空間のアポッド化とガウス時間減衰が相乗的に作用し、エネルギー正規化ミスマッチを49%減少させるために、k-Wave擬似スペクトル解法に対して、平均 0.919 +/- 0.049 の平均パーソン相関を達成し、解析的なk-空間 H-行列を構築して検証する。 船体重みが488例に低下し, 46例のISTA, split-Bregman total variation (SBTV), and learned ISTA (LISTA), and SAN attain a highest mean SSIM (0.522), PSNR (22.09 dB) and the low NMSE (0.233)。 Paired t-tests and Wilcoxon signed-rank tests confirmed the superiority of SAN on LISTA on PSNR, NMSE, and Pearson correlation at p < 1e-8, and over ISTA and SBTV on all fidelity metrics。 推論時にH行列をバイパスすることにより、SANは少なくとも1桁の復元時間を短縮し、リアルタイムのPAT再構成を支援する。

関連論文リスト

• Luminosity-Adaptive Contrast Enhancement Using CLAHE for Retinal Fundus Images with Quantitative Validation and Comparative Analysis [0.0]
  眼底画像の臨床的有用性は、一様でない照明、動きのぼかし、低コントラストによって日常的に損なわれている。 本研究では,HSV色空間分解による輝度補正とコントラスト適応ヒストグラム等化を組み合わせた2段画像強調パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-07-20T08:39:13Z)
• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• Compressed BC-LISTA via Low-Rank Convolutional Decomposition [47.15001096567547]
  圧縮前方・後方演算子を用いたマルチチャネルイメージングのためのスパース信号回復法(SSR)について検討した。 本稿では,低ランク畳み込みネットワーク(CNN)分解に基づくCBC(Compressed Block-Convolutional)測定モデルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T16:33:51Z)
• A Hybrid Deep Learning Model for Robust Biometric Authentication from Low-Frame-Rate PPG Signals [0.34376560669160394]
  光による皮膚の血流量の変化を計測する光胸腺造影(進化)信号は、最近生体認証において注目を集めている。 光胸腺信号の品質は、運動アーティファクト、照明の変化、および物体間の生理的変動によって挑戦される。 本研究では,低フレームレート指先ビデオから抽出したPSG信号に基づいて,軽量で費用対効果の高い生体認証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-06T04:16:13Z)
• 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)
• Evaluation of Machine Learning Reconstruction Techniques for Accelerated Brain MRI Scans [0.0]
  DeepFoqus-Accelerateは、75%のスキャン時間で堅牢な4倍の脳MRI加速を可能にする。 以上の結果から,DeepFoqus-Accelerateは,75%のスキャン時間で頑健な4倍の脳MRI加速を可能にした。
  論文  参考訳（メタデータ） (2025-09-08T20:20:24Z)
• JSover: Joint Spectrum Estimation and Multi-Material Decomposition from Single-Energy CT Projections [45.14515691206885]
  多物質分解(MMD)は、ヒト体内の組織組成を定量的に再構築することを可能にする。 従来のMDDは、通常、スペクトルCTスキャナーと事前に測定したX線エネルギースペクトルを必要とし、臨床応用性を大幅に制限する。 本稿では,多材料構成を共同で再構成し,SECT投影から直接エネルギースペクトルを推定する一段階SEMMDフレームワークであるJSoverを提案する。
  論文  参考訳（メタデータ） (2025-05-12T23:32:21Z)
• Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
  低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。 1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。 サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
  論文  参考訳（メタデータ） (2024-10-31T04:34:28Z)
• Learning-based sound speed estimation and aberration correction in linear-array photoacoustic imaging [3.190109710735486]
  光音響(PA)画像再構成は、伝搬媒質内の音速(SoS)の特定を伴う。 異種軟組織内のSoSの空間分布に関する情報が不足しているため、PA画像再構成では同種SoS分布が想定される。 デュアルモードPA/USイメージングシステムにおいて,SoS推定とその後の収差補正のためのディープラーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-06-19T15:58:10Z)
• Generalizable synthetic MRI with physics-informed convolutional networks [57.628770497971246]
  物理インフォームド・ディープ・ラーニング(Deep Learning-based)法を開発し,複数の脳磁気共鳴画像(MRI)のコントラストを1つの5分間の取得から合成する。 我々は、任意のコントラストに一般化し、ニューロイメージングプロトコルを加速する能力について検討する。
  論文  参考訳（メタデータ） (2023-05-21T21:16:20Z)
• OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence Tomography Images of the Human Optic Nerve Head [47.812972855826985]
  我々は、ノイズと網膜の影の両方を10.4ms以内で見えない単一フレームのBスキャンから除去する単一プロセスを開発した。 提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。
  論文  参考訳（メタデータ） (2020-10-06T08:32:32Z)

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。