MétaCan
Menu
Retour à la cohorte
Enregistrement W2539766987 · doi:10.1109/nssmic.2007.4436714

Accelerated iterative image reconstruction methods based on block-circulant system matrix derived from a cylindrical image representation

2007· article· en· W2539766987 sur OpenAlexaff
Jean‐Daniel Leroux, Vitali Selivanov, Réjean Fontaine, Roger Lecomte

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésCirculant matrixBlock (permutation group theory)Matrix (chemical analysis)Iterative reconstructionMathematicsAlgorithmMatrix representationRepresentation (politics)Block matrixComputer scienceComputer visionArtificial intelligenceGeometryPhysics

Résumé

récupéré en direct d'OpenAlex

Iterative image reconstruction methods based on an accurate and fully three-dimensional (3D) system probability matrix are well-known to provide images of higher quality. However, the size of the system matrix and the computation burden often make such methods impractical. To address this problem, we proposed to use a cylindrical image representation that preserves both in-plane and axial symmetries between the tubes of response for a given camera, leading to a system matrix having a block-circulant structure. For 3D image reconstruction, such a system matrix can be structured into a block-circulant matrix where blocks are themselves block-circulant. By storing only non-redundant parts of the block-circulant matrix, memory requirements can be reduced by a factor equivalent to the total number of system symmetries. The block-circulant system matrix can be stored in the Fourier domain representation to accelerate the forward and back projection steps of the iterative image reconstruction methods. When represented in the Fourier domain, the system matrix sparsity is reduced compared to the spatial domain representation, but some null values are still preserved.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,416
Écart entre enseignants0,368 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207