深層学習要素を用いたニューラルネットワークトモグラフィの性能改善

カテゴリ: 部門大会

論文No: TC13-2

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Tomographic Image Reconstruction by Neural Network - Improvement by using Deep Learning Parts

著者名: 寺西 大（広島工業大学）

著者名(英語): Masaru Teranishi (Hiroshima Institute of Technology)

キーワード: トモグラフィ|ニューラルネットワーク|逆問題|画像再構成|関数近似深層学習|Tomography|Neural networks|Inverse problem|Image reconstruction|Function approximationDeep Learning

要約(日本語): 多数方向の線積分で得られる投影データから積分逆問題を解いて物理量の空間分布を再構成する計算機トモグラフィ(CT)をプラズマ計測などに応用する場合，投影方向が装置の構造により著しく制限され，像に対して投影データが少なくなる少数投影不良設定逆問題となる．ニューラルネットワーク選点法（NNCM）は、ニューラルネットワークの関数近似を利用して像の不足情報をモデル当てはめで補う、不良設定逆問題に適した像再構成法である．
NNCMは誤差逆伝搬学習にて像再構成するが，一般に膨大な反復回数が必要となる．この問題に対して、深層学習の構成要素である，学習速度低下の原因と考えられる勾配消失が起きにくいReLU型活性化関数を導入して，学習の高速化について検討する。