本文提出了一种新的鲁棒低秩动态磁共振成像重建优化模型，通过高度欠采样和离散傅里叶变换（DFT），通过添加线性图像域误差分析，减少了噪声并增强了算法的抗干扰能力，在动态磁共振成像序列的空时特征和不同维度之间的互补关系上利用双重总变差（TV）和双重核范数（NN）正则化，实现了多维数据的重建精度和时间复杂度上的优于当前五种最先进方法的性能。
Oct, 2023
基于神经场表示的光谱 CT 重建方法，使用完全隐式函数来建立基础材料的神经场参数化模型，并利用深度学习的自动微分框架解决隐式连续函数，该方法在光谱 CT 重建中表现极佳，并满足高分辨率重建图像的要求。
Apr, 2024
提出一种新方法，通过结合空间和时间信息，采用水平集方法和正弦基函数表达动态物体的运动，实现高分辨率时间图像的重建。与当前方法相比，在合成和伪动态真实 X 射线断层扫描数据集上表现出优越性能，为断层显像的动态过程提供改进的可视化和分析。
Nov, 2023
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。
Nov, 2017
使用数学理论设计优化的深度学习算法，提出了一种新颖的双域深度展开统一框架，结合了基于模型的方法的理论优势和深度学习方法的卓越重建性能，为多稀疏视图 CT 重建提供了更大的灵活性和广泛应用的深度学习方法。
May, 2024
通过压缩感知（CS）和基于物质基本光谱的部分可分模型，我们提出了一种新方法来从随机欠采样的多光谱磁共振波谱成像（MRSI）数据中重建物质的时空分布。我们利用空时稀疏性和时间平滑性作为先验知识执行 CS，实验结果表明我们的方法能够以极短的时间分辨率重建物质的时空分布，预期对揭示磁共振波谱成像数据中的物质动力学起到重要作用。
Mar, 2024
通过模拟人类视觉系统的运作特征，引入一种创新的盲目图像质量评估度量，该度量通过构建主动推断模块和利用失真图像与主要内容之间的相互关系来提高低剂量计算机断层扫描感知图像质量评估的性能。
该研究介绍了一种基于凸优化的构建高分辨率 HSI 和高分辨率 MSI 综合图像的数据融合方法，使用向量全变差作为正则化项，通过 Split Augmented Lagrangian Shrinkage Algorithm（SALSA）算法实现优化，取得了优于现有算法的效果。
Nov, 2014
本文提出了一种结合卷积组稀疏表达和总变差正则化的多模式图像重建方法，利用不同模式之间的冗余信息实现高质量的图像重建，并通过在线算法实现了卷积词典的非监督学习。该方法在联合强度 - 深度成像应用中取得了良好的效果。
Jun, 2017
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