CVPRNov, 2017

限视角 CT 隐式正弦图重建

PDF
TL;DR本文提出一种基于卷积神经网络的系统，通过隐式正演补偿完全角度之外的有限角度 CT sinogram，再进行分析和迭代重建技术，最终得到优于竞争模型的三维重建结果，并提出新的重建可信度评估方法以及通过分割实验证明了该方法有效性。
computed tomographysinogram completionlimited angleconvolutional neural networksreconstruction
发现论文，激发创造
  • 通过合成数据上的深度端到端学习实现有限角度层析重建

    基于深度神经网络，本论文提出了一个训练于大量精心制作的合成数据上的模型，可以进行受限角度的断层投影重建，即便仅有 30° 或 40° 的正弦图像，取得了 2022 年赫尔辛基断层成像挑战赛的第一名。

    Sep, 2023

  • 神经网络有限角度断层成像的拉伸正弦图

    本文提出了一种使用卷积网络进行有限角度层析重建的直接方法，并通过最小化均方误差来训练网络以获得更好的三维重建效果。

    Jun, 2023

  • 基于深度神经网络的稀疏采样 CT 成像正规化合成

    介绍了一种利用深度神经网络技术的正弦图像合成方法，用于稀疏视图 CT 成像，相比于现有的插值方法和迭代重建方法，具有更好的成像效果。

    Mar, 2018

  • 多尺度小波域残差学习用于有限角度 CT 重建

    利用多尺度小波域残差学习架构结合先前方向性和全局分布性偏差的观察提出的新方法，可以有效消除有限角度下的 CT 图像伪影并保留图像的边缘和全局结构性。

    Mar, 2017

  • 2024 年 3D CBCT 挑战赛：基于 SwinIR 的正弦图和图像增强改进的锥形束 CT 重建

    该论文介绍了一种基于 SwinIR 的正弦图和图像增强模块相结合的 Nesterov 加速梯度下降方法，用于改善锥束计算机断层扫描的图像重建，实现了显著的降低均方误差并提高图像清晰度和保留细节的效果。

    Jun, 2024

  • SdCT-GAN：使用自主驱动生成对抗网络由双平面 X 射线重建 CT

    本文提出了一种新的自主驱动生成对抗网络模型（SdCT-GAN），通过引入鉴别器中的新型自动编码器结构，以及结合来自 2D X 射线图像的边缘信息的 Sobel 梯度引导器（SGG）思想，能够更好地保留细节并使用 LPIPS 评估度量量化评估重构图像的轮廓和纹理，实验证明了该模型相对于主流最先进基准模型的优势。

    Sep, 2023

  • 利用共识平衡将数据和图像域深度学习集成于有限角度层析成像

    本文采用基于共识均衡框架的两步法，结合使用条件生成对抗网络 (cGANs) 处理数据和图像领域，解决安全领域的 90 度局部角度问题，并能应用于其他数据有限的领域，例如电子显微镜、无损评估和医学成像。

    Aug, 2019

  • 基于卷积神经网络的有限角度层析成像深度学习图像预测

    本文提出了一种基于深度卷积神经网络的数据驱动学习方法，用于在限角摄影术下提取和抑制 FBP 重建的特定伪影。 实验结果的定性和定量评估表明，该方法在伪影抑制和细节恢复方面表现出稳定和有前途的性能，为从有限投影数据中重构出的图像质量的提高提供了简单和高效的途径。

    Jul, 2016

  • X2CT-GAN: 用生成对抗网络从二平面 X 光线重建 CT

    使用生成对抗网络（GAN）框架从两个正交 X 射线重构 CT。所提出的特殊设计的生成器网络通过提供从 2D 到 3D 的数据维度增加，从而提高了医学成像技术。该方法不需要完整的旋转扫描并可以在低成本的 X 射线机上实现。在公开的胸部 CT 数据集上进行了广泛的实验评估，并获得较好的成果。

    May, 2019

  • 使用特定领域感知网络的两步稀疏视角 CT 重建

    本文提出了一种用于稀疏视图计算机体层摄影的新框架，通过使用超分辨率网络（SIN）和细化网络（PRN）进行重建，以减少条纹伪影和提高恢复精度。

    Dec, 2020