| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-11-10 13:00 複数の画像事前分布の組み合わせにBayes最適化を用いた圧縮センシングによるCT画像再構成 ○菅 智徳・井上真郷（早大）  IBISML2017-73 |
|
| 抄録 | （和） | X線CTでは発がんリスクを高める被ばく線量を抑えるため，X線の投影回数を減らした少数の投影データから圧縮センシング技術を用いて画像を再構成する研究がなされている．wavelet変換とTotal Variationによるスパース性を事前分布に用いたモデルは，1つの事前分布を仮定しART法に基づいて解く従来のモデルに比べて良い推定ができるが，事前分布の組み合わせ方が難しい．本研究ではこの組み合わせ方にBayes最適化を用いる手法を提案する． |
| （英） | In order to reduce the amount of radiation exposure, which increases the risk of cancer, many researches have been done to reconstruct CT images from sparse-view data by using Compressed Sensing techniques. The new model which uses sparsity of wavelet transform and Total Variation as image priors may be superior to other conventional models which use just one image prior, and most of them are optimized by ART method. However, the way of combining these image priors is difficult and not clear. In this study, we propose the method utilizing Bayesian Optimization for mixing these multiple image priors. | |
| キーワード | （和） | 圧縮センシング / スパースモデリング / Bayes最適化 / CT画像再構成 / / / / |
| （英） | Compressed Sensing / Sparse Modeling / Bayesian Optimization / CT image reconstruction / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 293, IBISML2017-73, pp. 283-288, 2017年11月. | |
| 資料番号 | IBISML2017-73 | |
| 発行日 | 2017-11-02 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2017-73 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2017-11-08 - 2017-11-10 |
| 開催地（和） | 東京大学 |
| 開催地（英） | Univ. of Tokyo |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2017) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2017) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 複数の画像事前分布の組み合わせにBayes最適化を用いた圧縮センシングによるCT画像再構成 |
| サブタイトル（和） | |
| タイトル（英） | Compressed Sensing CT image reconstruction using Bayesian Optimization for mixing multiple image priors |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 圧縮センシング / Compressed Sensing |
| キーワード(2)（和/英） | スパースモデリング / Sparse Modeling |
| キーワード(3)（和/英） | Bayes最適化 / Bayesian Optimization |
| キーワード(4)（和/英） | CT画像再構成 / CT image reconstruction |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 菅 智徳 / Tomonori Suga / スガ トモノリ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 井上 真郷 / Masato Inoue / イノウエ マサト |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-11-10 13:00:00 |
| 発表時間 | 150分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-73 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.293 |
| ページ範囲 | pp.283-288 |
| ページ数 | 6 |
| 発行日 | 2017-11-02 (IBISML) |
[研究会発表申込システムのトップページに戻る]