論文の概要: PEEL: Physics-Enabled Evidential Learning for Identifiable Uncertainty in CT Imaging

• arxiv url: http://arxiv.org/abs/2609.29599v1
• Date: Thu, 27 Aug 2026 20:15:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.082215
• Title: PEEL: Physics-Enabled Evidential Learning for Identifiable Uncertainty in CT Imaging
• Title（参考訳）: PEEL:CT画像における不確かさの物理学的証明学習
• Abstract要約: 正規逆ガンマ(NIG)回帰は、その辺縁の学生確率から一意に識別できるものではない。 我々はその繊維を独立した物理的測定により同定する。 1画像の予測は、独立した400繰り返し参照に対して0.832-0.951のスピアマン相関を達成した。
• 参考スコア（独自算出の注目度）: 7.5571037918649155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Normal-inverse-gamma (NIG) regression is not uniquely identifiable from its marginal Student-t likelihood: the likelihood determines three combinations of four NIG parameters and is constant along a one-dimensional fiber. We identify that fiber using independent physical measurement. As an initial embodiment, a reconstruction network receives one noisy filtered-backprojection (FBP) image and is first trained only by Student-t negative log-likelihood to estimate the three identifiable coordinates (gamma, alpha, c). The network is then frozen; repeated physical-noise realizations propagated through its reconstruction output form a Monte Carlo (MC) teacher label for output-domain aleatoric variance. An aleatoric head attached to frozen features learns this label, after which (beta, nu) are recovered algebraically. On 30 held-out simulated objects at five photon levels, one-image predictions achieved pooled Spearman correlations of 0.832-0.951 against independent 400-repeat references, median within-image correlations were 0.834-0.947, and 98.81-99.55% of evaluated pixels satisfied the algebraic admissibility condition. The method needs no KL term, reference prior, evidence regularizer, or cross-loss weight.
• Abstract（参考訳）: 正規逆ガンマ(NIG)回帰は、その辺縁の学生-t確率から一意に識別できない: 確率は4つのNIGパラメータの3つの組み合わせを決定し、1次元ファイバーに沿って定数である。 我々はその繊維を独立した物理的測定により同定する。 最初の実施形態として、再構成ネットワークは、1つのノイズフィルタバックプロジェクション(FBP)画像を受信し、まず学生t陰性ログライクリーフのみで訓練し、3つの識別可能な座標(ガンマ、アルファ、c)を推定する。 その後、ネットワークは凍結され、繰り返し物理ノイズが再生出力によって伝播し、出力領域のアレタリックな分散のためにモンテカルロ(MC)の教師ラベルが作られる。 凍結した特徴に付随するアレタリックヘッドは、このラベルを学習し、その後(ベータ、nu)代数的に回復する。 5光子レベルの30個の保持されたシミュレーション対象に対して、1画像の予測は、独立400繰り返し参照に対する0.832-0.951のスピアマン相関を達成し、中央値のインテリア相関は0.834-0.947、評価画素の98.81-99.55%が代数的許容条件を満たした。 この方法は、KL項、参照先行、エビデンス正則化器、またはクロスロスウェイトを必要としない。

関連論文リスト

• Structured Hamiltonian Learning for Multiqubit Conditional Phase Gates [0.0]
  対角的成功ブロックに対する構造的ハミルトン学習と診断した。 重量が m の対角的なパウリ-Z のドレッシングについては、正確に枝非依存な基準を導出する。 可視性喪失,難読化生存,読解障害,相関雑音からの劣化を定量化する。
  論文  参考訳（メタデータ） (2026-09-23T09:50:48Z)
• Conditional Flow Matching for Cross-Field MRI Harmonisation [1.4152206863712093]
  我々はMRIxFields2026チャレンジのためのクロスフィールド脳MRI変換について検討する。 ソースボリュームとターゲットボリュームは空間的に登録されているので,ソーススライスを直接ターゲットスライスに運ぶ速度場を学習する。 このマッピングを3つの被験者のみから学ぶために、統一モデルは3つの段階で訓練される。
  論文  参考訳（メタデータ） (2026-09-01T09:18:26Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• A Fuzzy Rule-based Neuro-Symbolic Approach for Pipe Severity Prediction in Sewer Networks [0.0]
  本研究では、このギャップを象徴的推論から神経知覚を分離することで橋渡しするモジュラーでファジィな規則に基づくニューロシンボリック・フレームワークを導入する。 推論のために、DT、特にウェカのJ48アルゴリズムは、接地規則のCODEと重度ラベルに基づいて訓練され、その経路は19の固定IF-THENルールに変換される。 全体として、このフレームワークは、競合するクラスバランスのパフォーマンスと予測されたCODE学位からのトレース可能な推論を組み合わせることで、ルールサポートと重大さのエビデンスを実現している。
  論文  参考訳（メタデータ） (2026-07-30T16:33:26Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• Diagnosing and Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry [0.027998963147546144]
  学習に基づく単発フリンジプロファイロメトリーは概ね近距離で研究されている。 逆二乗の強度低下は、フリンジ信号-雑音比を下げ、物理的基底真理を低下させる。 機械的解釈可能性 (MI) と共形不確実性定量化 (UQ) を用いた診断・妥当性検証研究について述べる。
  論文  参考訳（メタデータ） (2026-06-13T04:17:06Z)
• NCoder -- A Quantum Field Theory approach to encoding data [44.99833362998488]
  我々は、量子場理論(QFT)にインスパイアされたAIの解釈に新しいアプローチを提案し、これをNCoderと呼ぶ。 NCoderは、潜伏層が$n$-point相関関数のサブセットとして指定された修正されたオートエンコーダニューラルネットワークである。
  論文  参考訳（メタデータ） (2024-02-01T19:00:55Z)
• Convolution Neural Network based Mode Decomposition for Degenerated Modes via Multiple Images from Polarizers [0.0]
  畳み込みニューラルネットワーク(CNN)は画像訓練やモード係数の予測に応用されている。 4倍の$LP_11$シリーズが分解対象となっている。 CNNモデルは3、4、7の深さを持つ10,000の3次元画像で訓練されている。
  論文  参考訳（メタデータ） (2022-07-08T03:11:49Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• Robustness via Uncertainty-aware Cycle Consistency [44.34422859532988]
  非ペア画像-画像間の変換とは、対応する画像対を使わずに画像間マッピングを学習することを指す。 既存の手法は、外乱や予測の不確実性にロバスト性を明示的にモデル化することなく決定論的マッピングを学習する。 不確実性を考慮した一般化適応サイクル一貫性(UGAC)に基づく新しい確率的手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T15:33:21Z)

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。