抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
圧縮センシング(CS)は,磁気共鳴イメージング(MRI)取得時間を減らすために広く使用されている。最先端の深層学習ベースの方法は,CS-MR画像の高速,高品質再構成を得るのに有効であることが証明されている。しかしながら,それらは,処理のための2つの実数値チャネルとして複素値データを連結して,大きさコンテンツを抽出することによって,実数値エンティティとして本質的に複雑な値MRIデータを処理する。両方の場合,相含有量は廃棄される。実数値深層ネットワークの基本的問題,即ち,複雑な値データを処理できないそれらの不可能性に対処するため,複素値重みと演算の利用を探索する,第1版生成モデルである,複素数値生成敵対ネットワーク(Co-VeGAN)フレームワークを提案した。”その方法”は,複素数値の重みと操作の利用を探索する,複雑な価値を持つ生成的敵対ネットワーク(Co-VeGAN)フレームワークを提案するものである,という事を,著者らは,複雑な値的重みと操作の利用を探索する,複素数値生成敵対ネットワーク(Co-VeGAN)フレームワークを提案する。さらに,実数値活性化関数が複素値空間に十分に一般化しないので,入力位相に敏感であり,学習可能なプロファイルを持つ新しい複素値活性化関数を提案した。異なるデータセットに関する提案のアプローチ1の広範な評価は,それが既存のCS-MRI再構成技術より著しく優れていることを実証した。Copyright 2022 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】