ترجمه فارسی مقاله بازسازی تکراری سی‌تی‌اسکن از طریق بهینه‌سازی متغیر پنهان مدل‌های انتشار سطحی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Iterative CT Reconstruction via Latent Variable Optimization of Shallow Diffusion Models
عنوان مقاله به فارسی بازسازی تکراری سی‌تی‌اسکن از طریق بهینه‌سازی متغیر پنهان مدل‌های انتشار سطحی
نویسندگان Sho Ozaki, Shizuo Kaji, Toshikazu Imae, Kanabu Nawa, Hideomi Yamashita, Keiichi Nakagawa
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,Medical Physics,چشم انداز کامپیوتر و تشخیص الگوی , یادگیری ماشین , فیزیک پزشکی ,
توضیحات Submitted 12 September, 2024; v1 submitted 6 August, 2024; originally announced August 2024. , Comments: 20 pages, 10 figures
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛V1 ارسال شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 20 صفحه ، 10 شکل

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 800,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Image-generative artificial intelligence (AI) has garnered significant attention in recent years. In particular, the diffusion model, a core component of generative AI, produces high-quality images with rich diversity. In this study, we proposed a novel computed tomography (CT) reconstruction method by combining the denoising diffusion probabilistic model with iterative CT reconstruction. In sharp contrast to previous studies, we optimized the fidelity loss of CT reconstruction with respect to the latent variable of the diffusion model, instead of the image and model parameters. To suppress the changes in anatomical structures produced by the diffusion model, we shallowed the diffusion and reverse processes and fixed a set of added noises in the reverse process to make it deterministic during the inference. We demonstrated the effectiveness of the proposed method through the sparse-projection CT reconstruction of 1/10 projection data. Despite the simplicity of the implementation, the proposed method has the potential to reconstruct high-quality images while preserving the patient's anatomical structures and was found to outperform existing methods, including iterative reconstruction, iterative reconstruction with total variation, and the diffusion model alone in terms of quantitative indices such as the structural similarity index and peak signal-to-noise ratio. We also explored further sparse-projection CT reconstruction using 1/20 projection data with the same trained diffusion model. As the number of iterations increased, the image quality improved comparable to that of 1/10 sparse-projection CT reconstruction. In principle, this method can be widely applied not only to CT but also to other imaging modalities.

چکیده به فارسی (ترجمه ماشینی)

هوش مصنوعی تصویر و تولید (AI) در سالهای اخیر مورد توجه قابل توجهی قرار گرفته است.به طور خاص ، مدل انتشار ، یک مؤلفه اصلی AI تولید کننده ، تصاویر با کیفیت بالا با تنوع غنی تولید می کند.در این مطالعه ، ما یک روش بازسازی توموگرافی محاسبه شده (CT) رمان را با ترکیب مدل احتمالی انتشار Denoising با بازسازی CT تکراری ارائه دادیم.در تقابل شدید با مطالعات قبلی ، ما از دست دادن وفاداری بازسازی CT با توجه به متغیر نهفته مدل انتشار ، به جای پارامترهای تصویر و مدل ، بهینه سازی کردیم.برای سرکوب تغییرات در ساختارهای آناتومیکی تولید شده توسط مدل انتشار ، ما فرآیندهای انتشار و معکوس را کم عمق کردیم و مجموعه ای از صداهای اضافه شده را در فرآیند معکوس برطرف کردیم تا آن را در طول استنتاج تعیین کنیم.ما اثربخشی روش پیشنهادی را از طریق بازسازی CT پراکنده از داده های پیش بینی 1/10 نشان دادیم.با وجود سادگی اجرای ، روش پیشنهادی این پتانسیل را دارد که ضمن حفظ ساختارهای آناتومیکی بیمار ، تصاویر با کیفیت بالا را بازسازی کند و از روشهای موجود ، از جمله بازسازی تکراری ، بازسازی تکراری با تنوع کامل و مدل انتشار به تنهایی از نظر شرایط بهتر عمل می کند.شاخص های کمی مانند شاخص شباهت ساختاری و نسبت سیگنال به نویز.ما همچنین با استفاده از داده های طرح ریزی 1/20 با همان مدل انتشار آموزش دیده ، بازسازی CT پراکنده بیشتر را بررسی کردیم.با افزایش تعداد تکرارها ، کیفیت تصویر قابل مقایسه با بازسازی CT 1/10 پراکنده است.در اصل ، این روش نه تنها برای CT بلکه برای سایر روشهای تصویربرداری نیز می تواند به طور گسترده ای اعمال شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.