文献

J-GLOBAL ID：201802267056927901   整理番号：18A1043137

無矛盾CT画像再構成のためのCNNベース投影勾配降下【JST・京大機械翻訳】

CNN-Based Projected Gradient Descent for Consistent CT Image Reconstruction

著者 (5件)： Gupta Harshit (Biomedical Imaging Group, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Lausanne, Switzerland) ,  Jin Kyong Hwan (Biomedical Imaging Group, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Lausanne, Switzerland) ,  Nguyen Ha Q. (Biomedical Imaging Group, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Lausanne, Switzerland) ,  McCann Michael T. (Center for Biomedical Imaging, Signal Processing Core and the Biomedical Imaging Group, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Lausanne, Switzerland) ,  Unser Michael (Biomedical Imaging Group, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Lausanne, Switzerland)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 37  号： 6  ページ： 1440-1453  発行年： 2018年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 射影勾配降下(PGD)における投影機を畳込みニューラルネットワーク(CNN)で置き換える新しい画像再構成法を提案した。最近,画像から画像への回帰器として訓練されたCNNが,画像化における逆問題を解決するために成功裏に使用されている。しかしながら,既存の反復画像再構成アルゴリズムとは異なり,これらのCNNベースの手法は,通常,再構成画像が測定と一致するようにするためのフィードバック機構を欠いている。勾配降下が測定一貫性を強化するPGDの緩和版を提案した。一方,CNNは望ましい再構成画像の空間に近い解を再帰的に投影した。このアルゴリズムは収束することが保証され,ある条件下では非凸逆問題の局所最小値に収束することを示した。最後に,プロジェクタクターのように動作するCNNを訓練する簡単な方式を提案した。スパースビュー計算機トモグラフィー再構成に関する著者らの実験は,全変動ベースの正則化,辞書学習,および最先端の深い学習ベースの直接再構成技術の改善を示している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 凸形 ,  *画像 ,  緩和現象 ,  *再構成 ,  逆問題 ,  射影 ,  画像処理 ,  *画像再構成 ,  正則化 ,  学習 ,  投影機 ,  アルゴリズム
準シソーラス用語： 辞書学習 ,  総変動 ,  再構成画像 ,  再構成アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： CT画像 ,  再構成 ,  CNN ,  投影 ,  勾配 ,  降下