Apr, 2024

基于神经基础材料场的射线驱动的光谱 CT 重建

PDF
TL;DR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。
spectral ct reconstructionneural field representationdiscretization methodbasis materialsauto-differentiation framework
发现论文，激发创造
  • 使用射线模型导数的卷积神经辐射场方法进行新视角综合

    本研究提出了一种基于卷积神经辐射场的方法来解决现有方法中存在的问题，在新颖视角综合方面取得了显著的结果。

    Jul, 2023

  • 利用神经场进行散射介质的高分辨率光吸收层析重建

    NeuDOT 是一种全新的散射光学层析成像方法，基于神经场理论将光学吸收量连续编码到体积内，实现高精度、高分辨率成像，适用于医学成像、遥感和自动驾驶等领域。

    Apr, 2023

  • 基于神经调控场的条件锥束神经计算机断层摄影

    本研究提出了一种新的条件锥形神经计算机断层成像 (CondCBNT) 方法，使用分区域的神经调制场 (NMF) 来同步训练全新的 NF，使其性能得到了显著的提高。

    Jul, 2023

  • CT 材料分解使用光谱扩散后验抽样

    提出了一种基于扩散后验抽样（DPS）的新型深度学习方法，用于从光谱 CT 测量中进行物质分解，结合无监督训练的复杂先验知识和严格的测量物理模型，通过减少反向过程中所需的时间步数和减少计算成本来提出一个更快、更稳定的变体，性能研究表明，JSDPS 相对于传统 DPS 和基于模型的物质分解方法（MBMD）具有更高的准确性、更低的不确定性和更低的计算成本，可以相对较快和准确地基于光谱 CT 数据进行物质分解。

    Feb, 2024

  • 神经场遇上显式几何表示，逆向渲染城市场景

    提出一种新的逆向渲染框架，能够从一组 RGB 图像中联合重建场景几何、空间变化的材料和 HDR 照明，并支持物理场景操作，例如射线跟踪阴影投射。

    Apr, 2023

  • 学习神经透射度用于高效渲染反射场

    本文提出了一种基于神经透射函数的新方法，用于加速神经反射场的渲染，减少了复杂光照下的时间复杂度，并保证了渲染精度。

    Oct, 2021

  • 基于神经表示的方法用于牙科 CBCT 影像中金属引起的伪影降低

    本研究提出了一种新颖的牙科锥形束计算机断层扫描重建方法，旨在有效减少常见金属植入物引起的伪影。通过使用隐式神经网络生成两张不同的信息性层面的断层图像，一张图像代表特定能量水平上的单色衰减分布，而另一张图像则捕捉了由多色 X 射线束的非线性光束硬化因素引起的影响。与现有的计算机断层扫描重建方法相比，该方法仅依赖于比尔 - 朗伯定律，在背投影过程中有效地防止了金属引起的伪影的产生。广泛的实验评估表明，该方法有效地减少了金属伪影同时提供了高质量的图像重建结果，凸显了第二张图像在捕捉非线性光束硬化因素方面的重要性。

    Jul, 2023

  • 多光谱 CT 离散基础正弦图谱的解的存在性、唯一性和稳定性

    通过离散非线性系统的理论和数值分析，研究多光谱计算机断层扫描中基础正弦图像的存在性、唯一性、稳定性等问题，从而可实现定量图像重建。

    May, 2023

  • 混合神经隐式函数生成神经场

    我们提出了一种学习生成神经场的新方法，它由隐式基网络的线性组合表示。我们的算法通过进行元学习或采用自动解码范式来学习隐式神经表示的基网络及其在潜在空间中的系数。该方法通过增加基网络的数量，同时保持小型推断网络的规模，从而轻松扩大生成神经场的容量，而通过加权模型平均来采样模型实例在延迟和内存占用方面高效。此外，我们还为目标任务定制了去噪扩散概率模型，以采样潜在混合系数，从而使我们的最终模型能够有效地生成看不见的数据。实验证明，我们的方法在图像、体素数据和 NeRF 场景的各种基准测试上取得了有竞争力的生成性能，而无需复杂的特定模态和领域设计。

    Oct, 2023

  • 逆可逆低维建模用于光谱 X 射线成像的潜在应用

    本文提出了一种结合深度神经网络自编码器和基于奇异值分解（SVD）的最优线性模型的新颖的非线性模型，相比传统模型在建模包含感兴趣能量范围内的 X 射线吸收光谱时具有优势。

    Jul, 2023