Dec, 2023

一种基于零验证去噪器的 l1 插接播放方法在 3D 开放 MPI 数据集上的磁性粒子成像

PDF
TL;DR基于磁性粒子成像的研究论文，提出了一种基于通用零样本去噪器和 l1 先验的即插即用方法，并开发了参数选择策略，最后在具有不同预处理级别的 3D Open MPI 数据集上进行了定量和定性评估。
magnetic particle imagingtemporal resolutionionizing radiationreconstruction methodsmachine learning approaches
发现论文，激发创造
  • 核磁共振成像的即插即用方法（长篇）

    本文介绍了使用 “即插即用” 算法进行 MRI 图像恢复的方法，其中迭代调用去噪子例程是更大的优化算法的一个步骤。我们还介绍了如何将 PnP 方法的结果解释为平衡方程的解，以便从平衡角度进行收敛分析。

    Mar, 2019

  • 基于深层先验的 3D 近场 MIMO 成像中的幅度插入与播放正则化

    近程雷达成像系统使用在各种应用中，本文研究了利用稀疏的多输入多输出（MIMO）阵列测量来重建近程场景三维复值反射率分布的问题，并采用交替方向乘子法（ADMM）和正则化方法解决此问题，并提出一个简单快速的插入式（PnP）重建方法。

    Dec, 2023

  • 一种即插即用的合成数据深度学习用于磁共振图像重建的稀疏重构方法

    该研究提出了一种深度插拔方法，用于未采样的磁共振成像重建，可以适应不同的采样设置，并能在不同的欠采样模式和采样率下提供良好且稳健的加速图像重建性能。

    Sep, 2023

  • 基于 Plug & Play 先验的贝叶斯成像：当 Langevin 遇到 Tweedie

    本文介绍了两种算法：PnP-ULA（未调整的 Langevin 算法）和 PnP-SGD（随机梯度下降）, 用于进行具有 Plug & Play 先验的贝叶斯推断，其中深度神经网络去噪算子特别值得注意，同时针对图像去模糊、修复和去噪等标准问题，这些算法可用于点估计和不确定性可视化和量化。

    Mar, 2021

  • 预训练掩码模型实现全能零样本降噪器

    基于其中提出的 Masked Pre-train then Iterative fill (MPI) 方法，该研究在图像去噪方面取得了显著的进展，能够在有限迭代次数内高质量地去噪，同时大幅减少推理时间。

    Jan, 2024

  • 零样本自监督学习重建的改进多次扫描弥散加权 MRI

    使用 zero-MIRID 的深度学习多段 EPI 重建方法，在体内实验中表现出卓越的成果，并实现了对扩散 MRI 图像的改进。

    Aug, 2023

  • 使用在线即插即用算法的正则化傅里叶全息成像

    本文提出一种新的在线优化算法，基于 FISTA 算法，使用只有子集的测量数据实现了可扩展的傅里叶全息显微（FPM）成像，模拟和实验数据结果表明该算法可以显著提高性能。

    Oct, 2018

  • 亮场电子断层摄影和稀疏插值的即插即用先验

    本文介绍了一种利用图像的非局部冗余性进行电子断层成像和稀疏图像插值的算法，该算法使用一种名为 “插入即可运行” 的方法框架，以正则化反演设置来解决这些成像问题。

    Dec, 2015

  • 学习驱动的不确定性自适应获取用于光子效率多光子显微镜

    我们提出了一种能够同时去噪和预测多光子成像测量像素级不确定性的方法，提高了算法的可靠性并为深度学习预测提供了统计保证。通过学习得到的像素级不确定性，我们提出了一种自适应采集技术，仅重新扫描样本中最不确定的区域。在实验噪声多光子成像测量人类子宫内膜组织方面，我们展示了我们能够保持精细特征并在每个像素上优于其他去噪方法的能力。最后，通过我们的自适应采集技术，我们展示了在成功恢复样本中的细节特征的同时，采集时间和总光剂量减少了 120 倍。我们是首先在真实实验数据上展示了无分布不确定性量化的去噪任务的方法，并首次提出了基于重建不确定性的自适应采集。

    Oct, 2023

  • 一个用于正则化图像重建的在线即插即用算法

    本文介绍了一种基于迭代收缩 / 阈值算法 (ISTA) 的在线 plug-and-play priors (PnP) 算法，并提出了一种新的收敛性分析方法，以证明该算法适用于大型数据集。该算法可用于图像重建，具有潜在的应用拓展性。

    Sep, 2018