Mar, 2024

基于 Defrise 和 Clack 算法的深度学习计算机断层扫描

PDF
TL;DR利用已知的运算符学习方法，以及采用一种新颖的自适应滤波过程的滤波反投影算法，这篇论文提出了一种重建特定轨道的圆锥束计算机断层成像（CBCT）的新方法。通过实验，该方法成功地从圆形轨道投影数据中学习出最佳参数并实现图像重建，提高了重建速度和减少了内存使用。
cone beam computed tomographyoperator learningfiltered backprojectionadaptive filteringdeep learning
发现论文，激发创造
  • 多源翻译计算机断层扫描重建的 BPF 算法

    本文介绍了一种名为 mSTCT 的新的扫描模式和 backprojection-filtration 的新算法，能够有效地提高微 CT 系统的视野和高分辨率重建效率，并且在模拟和实验中验证了该算法的可行性。

    May, 2023

  • 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

  • 深度学习中的 3D 和 4D 锥束计算机断层扫描图像中的伪影抑制 — 评述

    使用基于深度学习的方法改善锥束计算机断层摄影（CBCT）图像质量的研究中，通过综述各类 CBCT 图像的伪影问题的成功和不足，重点放在伪影类型而非神经网络结构上，以综合评估各类伪影的数据生成、模拟流程和伪影降低技术，并概述了在 3D 和 4D CBCT 中通过投影域和 / 或体域优化以及将神经网络直接引入 CBCT 重建算法而成功降低伪影的深度学习技术，同时指出研究的空白为未来的探索提供了方向，发现使用了生成模型包括 GANs 和基于分数或扩散模型，并呼吁拥有更多多样化和开放的训练数据集和模拟数据。

    Mar, 2024

  • 学习式的原始 - 对偶重建

    使用学习到的 Primal-Dual 算法通过卷积神经网络替换近端算子来处理前向算子以及低剂量 CT 重建，并且通过与传统方法的比较得到了良好的重建效果，SSIM 明显提高。

    Jul, 2017

  • 基于梯度的快速准确锥束 CT 头部运动补偿方法

    通过引入基于梯度的优化算法的新方法，本文提出了一种用于 Cone-beam CT 运动估计的方法，该方法利用了 Cone-beam CT 的几何结构的广义导数，通过形成完全可微分的目标函数来为当前运动估计的重建空间质量评级，极大地加快了运动估计，提高了运动估计的准确性，并在临床工作流中集成了 CBCT, 解决了时效性场景中的关键挑战。

    Jan, 2024

  • X 射线计算机断层扫描可微分前向投影器

    该研究提出了一种精确的可微前向和后向投影软件库，以确保预测出的图像与原始测量数据的一致性，同时最小化 GPU 内存占用，方便与现有深度学习培训和推理管道的无缝集成。

    Jul, 2023

  • 基于数据驱动的 FBP 滤波器设计：通过可训练傅立叶级数改进 CT 重建

    该研究引入一种基于傅里叶级数的可训练滤波器，用于在过滤反投影 (FBP) 框架中进行计算机断层扫描 (CT) 重建。该方法通过优化傅里叶级数系数来构建滤波器，克服了传统 FBP 方法中噪声减少的限制。该方法在不同分辨率尺度下具有稳健的性能，并且与其他深度学习框架相比，对可训练参数的增量极小，保持了计算效率。此外，我们提出了高斯边缘增强 (GEE) 损失函数，该函数优先考虑高频幅度的 $L_1$ 范数，有效对抗了均方误差 (MSE) 方法中普遍存在的模糊问题。该模型基于 FBP 算法，保证了卓越的可解释性，因为它依赖于通过严格的数学程序导出的数据驱动滤波器的所有其他参数。我们的傅里叶级数滤波器设计为即插即用的解决方案，可以轻松集成到现有的 CT 重建模型中，成为广泛实际应用的多功能工具。我们的研究提出了一种强大且可伸缩的方法，扩展了 FBP 在医学和科学成像中的应用价值。

    Jan, 2024

  • 通过深度学习实现对于层析成像逆问题的几乎精确恢复

    本文旨在探讨科学机器学习中的一个基本问题，即基于深度学习的方法是否能够将无噪声的反问题精确解决。作者通过提供证据证明了这一问题。本文着重研究了一个典型的计算机断层扫描（CT）问题，并且通过迭代的端到端网络方案以及数据驱动的校准步骤，展示了该方案能够使 CT 重建达到数值精度，与基于压缩感知策略的方法相当。作者同时也在本文中展示了方法的优越表现。

    Jun, 2022

  • 基于二维正弦图的计算机断层成像中的缺陷定位方法

    该论文介绍了深度学习在计算机断层成像领域的应用，提出了一种基于三步深度学习算法的综合缺陷检测方法，包括缺陷分割、蒙版分离和缺陷分析。使用 U-Net 架构进行缺陷分割，在模拟数据上达到 92.02％的 IoU，并在 512 像素宽的探测器上实现了 1.3 像素的平均位置误差。

    Jan, 2024

  • 使用深度图像先验和学习重建方法的计算机断层扫描重建

    本文探究了深度学习方法在低数据条件下应用于计算机断层扫描的可能性，并提出了一种深度图像先验方法与经典规则相结合的方法，提高了低数据条件下的重建质量和数据效率。

    Mar, 2020