| 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 | 2018-11-05 15:10 ［ポスター講演］MR画像再構成における複数の画像事前分布を組み合わせた事後平均近似解 ○久保田菜々子・原田 賢（早大）・藤本晃司・岡田知久（京大）・井上真郷（早大）  IBISML2018-47 |
|
| 抄録 | （和） | MR画像再構成においては，画像事前分布を複数組み合わせることが良いとされているが，最適な重みの組み合わせを交差検証法により求めることは組み合わせ数が指数的に増加することから大変であった．本研究では，アンサンブル学習によりこの問題を解決する．さらに，推定解に事後平均の近似解という意味づけを行う．結果，計算量のオーダーを増加させることなく再構成画像の精度(平均二乗誤差)向上を達成した． |
| （英） | In the MR image reconstruction, combining multiple image prior distributions is preferred to obtain better results, but finding the optimal combination of prior weights by the cross-validation method is difficult because the number of combinations increases exponentially w.r.t. the number of priors. In this manuscript, we solve this problem by the ensemble learning. Furthermore, we give meaning to this solution as an approximate of the posterior mean. As a result, the accuracy (mean square error) of reconstructed images was improved without increasing the order of the calculation cost. | |
| キーワード | （和） | MR画像再構成 / 圧縮センシング / 事後平均推定 / アンサンブル学習 / / / / |
| （英） | MR image reconstruction / compressed censing / posterior mean estimate / ensemble learning / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 284, IBISML2018-47, pp. 23-28, 2018年11月. | |
| 資料番号 | IBISML2018-47 | |
| 発行日 | 2018-10-29 (IBISML) | |
| ISSN | 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 | IBISML2018-47 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2018-11-05 - 2018-11-07 |
| 開催地（和） | 北海道民活動センター（かでる2.7） |
| 開催地（英） | Hokkaido Citizens Activites Center (Kaderu 2.7) |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2018) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2018) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2018-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | MR画像再構成における複数の画像事前分布を組み合わせた事後平均近似解 |
| サブタイトル（和） | |
| タイトル（英） | Posterior mean approximation solution combining multiple image prior distributions in MR image reconstruction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MR画像再構成 / MR image reconstruction |
| キーワード(2)（和/英） | 圧縮センシング / compressed censing |
| キーワード(3)（和/英） | 事後平均推定 / posterior mean estimate |
| キーワード(4)（和/英） | アンサンブル学習 / ensemble learning |
| 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） | 久保田 菜々子 / Nanako Kubota / クボタ ナナコ |
| 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） | 原田 賢 / Ken Harada / ハラダ ケン |
| 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） | 藤本 晃司 / Koji Fujimoto / イノウエ マサト |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 岡田 知久 / Tomohisa Okada / オカダ トモヒサ |
| 第4著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 井上 真郷 / Masato Inoue / イノウエ マサト |
| 第5著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 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 | 2018-11-05 15:10:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2018-47 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.284 |
| ページ範囲 | pp.23-28 |
| ページ数 | 6 |
| 発行日 | 2018-10-29 (IBISML) |
[研究会発表申込システムのトップページに戻る]