類似性に基づく教師なし深層学習による相関雑音の抑制【JST・京大機械翻訳】

Niu Chuang; Li Mengzhou; Fan Fenglei; Wu Weiwen; Guo Xiaodong; Lyu Qing; Wang Ge

プレプリント

J-GLOBAL ID：202202218891083530 整理番号：21P0059531

類似性に基づく教師なし深層学習による相関雑音の抑制【JST・京大機械翻訳】

Suppression of Correlated Noise with Similarity-based Unsupervised Deep Learning

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 (7件)： , , , , , ,
資料名：
発行年： 2020年11月06日プレプリントサーバーでの情報更新日： 2022年01月05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)

画像雑音除去は,多くの分野における下流タスクのための必要条件である。低用量および光子計数コンピュータ断層撮影(CT)雑音除去は,最小放射線量で診断性能を最適化できる。監督された深い雑音除去法は一般的であるが,実際には入手できないペアのクリーンまたは雑音の多いサンプルを必要とする。独立雑音仮定によって制限されて,現在の教師なし雑音除去法は,CT画像において相関雑音を処理できない。ここでは,雑音2Simと呼ばれる,非局所および非線形の方法で動作し,独立ではあるが相関雑音を抑圧する,雑音2Simと呼ばれる,最初の,類似性ベースの教師なし深層雑音除去手法を提案した。理論的には,雑音2Simは,穏やかな条件下で教師つき学習法と漸近的に等価である。実験的に,Nosie2Simは,視覚的,定量的および統計的に実用的データセットで教師つき学習法よりも,雑音性低線量CTおよび光子計数CT画像から固有特徴を回復させる。ノイズ2Simは,一般的教師なし雑音除去方式であり,多様な応用において大きな可能性がある。【JST・京大機械翻訳】

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

図形・画像処理一般

, , ,

前のページに戻る