X線トモグラフィーのための物理支援生成敵対ネットワーク【JST・京大機械翻訳】

Guo Zhen; Song Jung Ki; Barbastathis George; Glinsky Michael E.; Vaughan Courtenay T.; Larson Kurt W.; Alpert Bradley K.; Levine Zachary H.

プレプリント

J-GLOBAL ID：202202201605793614 整理番号：22P0328125

X線トモグラフィーのための物理支援生成敵対ネットワーク【JST・京大機械翻訳】

Physics-assisted Generative Adversarial Network for X-Ray Tomography

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年06月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

X線トモグラフィーは,生物医学イメージング,材料科学,電子検査,および他の分野への応用で,非侵襲的に三次元で物体の内部を画像化できる。再構成プロセスは不良条件逆問題であり,満足な結果を得るために正則化を必要とする。最近,深層学習がトモグラフィー再構成のために採用された。先験的に知られている分布を必要とする反復アルゴリズムとは異なり,深層再構成ネットワークは訓練分布をサンプリングすることにより事前分布を学習できる。本研究では,トモグラフィー再構成のための2段階アルゴリズムである物理支援のGenerative Adversarial Network(PGAN)を開発した。以前の努力とは対照的に,著者らのPGANは,既知の物理学と学習された事前の両方による再構成を正規化するために,測定から導いた最大尤度推定を利用する。訓練におけるより少ない物理支援の方法と比較して,PGANは,与えられた誤り率を達成するために,限られた投影角度で光子要求を減らすことができた。X線トモグラフィーで学習された物理支援を用いた利点は,さらに低光子ナノスケールイメージングを可能にする。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 医用画像処理 , 人工知能

, , ,

前のページに戻る