文献

J-GLOBAL ID：202202261059167911   整理番号：22A1055797

SSRNet:パラメータ削減のためのスパース接続と重み共有に基づくCT再構成ネットワーク【JST・京大機械翻訳】

SSRNet: A CT Reconstruction Network Based on Sparse Connection and Weight Sharing for Parameters Reduction

著者 (5件)： Yan Diwei (School of Biological Science & Medical Engineering, Southeast University, Nanjing, China) ,  Zhao Qingxian (School of Biological Science & Medical Engineering, Southeast University, Nanjing, China) ,  Zheng Liang (School of Biological Science & Medical Engineering, Southeast University, Nanjing, China) ,  Zhou Xuefeng (School of Biological Science & Medical Engineering, Southeast University, Nanjing, China) ,  Luo Shouhua (School of Biological Science & Medical Engineering, Southeast University, Nanjing, China)
資料名： Sensing and Imaging  (Sensing and Imaging)
巻： 23  号： 1  ページ： 14  発行年： 2022年 
JST資料番号： W4938A  ISSN： 1557-2072  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,ニューラルネットワークは,円錐ビームCTイメージングの問題に対処するために頻繁に採用される。しかしながら,今までのほとんどの研究は,画像ドメインまたは特定の目的のための投影領域のいずれかで,ニューラルネットワークを個別に構築することであり,一方,それらの間の接続はよく利用されていない。フィルタリングと後方投影プロセスに焦点を当てた再構成ネットワークは,投影領域と画像ドメインの間の潜在的接続を完全に利用することができ,高品質結果のために他の学習再構成モデルにプラグできる。しかし,現在まで,既存の再構成ネットワークの大部分は,バックボーンとして完全接続層をとり,特に円錐ビームCTの再構成において,モデルパラメータの爆発的成長をもたらす。本論文では,スパース接続とマルチグループ重み共有を持つスパース共有再構成ネットワーク(SSRNet)を提案し,フィルタリングと後方投影プロセスの代替品として見なせることができ,以前のモデルのそれの0.4%までネットワークパラメータの数を大幅に削減できる。実験結果は,2D SSRNetの再構成結果が,基本的に従来のFBPアルゴリズムのものと一致することを示した。3D SSRNetは,中央平面から離れた50層で従来のFDKアルゴリズムを凌駕し,一方,管理可能範囲内のネットワークパラメータの数を維持した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  学習 ,  *ネットワーク ,  ニューラルネットワーク ,  フィルタリング ,  画像処理 ,  プラグ ,  二次元 ,  三次元 ,  *パラメータ ,  構成モデル
準シソーラス用語： モデルパラメータ ,  コーンビームCT ,  高品質 ,  ネットワークパラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： CT再構築 ,  ニューラルネットワーク ,  スパース接続 ,  重量分配

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： パラメータ ,  共有 ,  CT ,  再構成