Jun, 2024

UnWave-Net：无卷积扩展小波网络用于康普顿层析图像重建

PDF
TL;DR使用 UnWave-Net 网络进行计算机斯康特引弹散射层析成像的图像重建，达到了优于现有方法的性能并提供了改善的计算效率。
computed tomographycompton scatter tomographyimage reconstructiondeep unrolling networksunwave-net
发现论文，激发创造
  • 低分辨率先验平衡网络用于 CT 重建

    使用低分辨率图像提供的有效正则化项，通过算法展开构建深度平衡架构的骨干网络的深度学习 CT 重建模型优于其他最先进方法，改善了噪声减少、对比度噪声比和边缘细节保留等方面。

    Jan, 2024

  • 通过对预训练的用于高斯降噪的 UNet 进行微调，用于低剂量 CT 图像重建与图像增强的下游任务

    这篇论文提出了一种计算机断层扫描（CT）图像增强方法，采用低剂量 CT 图像重建和神经网络预训练技术，取得了与当前最先进方法相媲美的结果。

    Mar, 2024

  • WiTUnet：一种融合 CNN 和 Transformer 的 U 形架构，用于改善特征对齐和本地信息融合

    本文介绍了一种名为 WiTUnet 的新型 LDCT 图像去噪方法，该方法利用嵌套的密集跳跃路径代替传统的跳跃连接来改进特征整合，同时在编码器和解码器中增加了局部图像感知增强 (LiPe) 模块以提高局部特征捕获和表示能力；通过广泛的实验比较，WiTUnet 在峰值信噪比 (PSNR)、结构相似度 (SSIM) 和均方根误差 (RMSE) 等关键指标上表现出优越的性能，显著提高了去噪和图像质量。

    Apr, 2024

  • WATUNet: 用于体量扫描图像超声分割的深度神经网络

    通过使用卷积神经网络和波及注意力机制，结合音速微运动成像（VSI）技术，研究人员提出了一种名为 Wavelet_Attention_UNet（WATUNet）的新型分割模型，该模型在乳腺癌诊断方面具有突出表现，在两个数据集上的 Dice 系数和 F1 得分均超过了其他深度网络的表现。

    Nov, 2023

  • 卷积 - Transformer 混合概率先验展开框架及其在视频快照压缩成像中的不确定性估计

    本文提出了一种基于 DUN 框架下的 3D 卷积 - Transformer 混合（CTM）模块，该模块利用 Transformer 的 3D 有效可扩展关注模型充分学习时间和空间维度之间的相关性，并引入方差估计来表征重建过程中的高频信息，实验结果表明该模型在视频 SCI 重建方面取得了最好的表现（比此前的 SOTA 算法 PSNR 提高了 1.2dB）。

    Jun, 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

  • 利用深度卷积框架形成 U-Net：应用于稀疏视角 CT

    本文旨在揭示 U-Net 的局限性并提出新的多分辨率深度学习方案，具体而言，我们通过实验表明，新的网络架构可以提供更好的重建性能，并且我们探讨了 U-Net 替代方案，如双框架和紧框架 U-Net 满足所谓的框条件，使其更好地实现高频边缘的有效恢复。

    Aug, 2017

  • XTransCT：使用转换网络通过两个正交 X 射线投影进行超快速体积 CT 重建

    本文提出了一种名为 XTransCT 的新型 Transformer 架构，可从二维 X 光图像中实时重建 CT 图像，该方法在图像质量、结构可靠性和普适性方面优于其他方法，并且可以在重建 3D 图像的同时实现约 300％的速度提高。

    May, 2023

  • PWLS-ULTRA：低剂量 3D CT 图像重建的高效聚类和学习方法

    本文提出了一种基于 Union of Learned TRAnsforms 的惩罚加权最小二乘（PWLS）重建方法，可以提高低剂量计算机断层扫描图像的质量，同时减少患者的辐射剂量。

    Mar, 2017

  • 深度展开收缩网络用于动态磁共振成像

    通过使用一种称为带通道注意力的软阈值算子 (AST)，我们提出了一种用于动态磁共振成像的新型深度展开收缩网络 (DUS-Net)，通过展开交替方向乘法因子方法 (ADMM) 对转换后的 $l_1$ 范数动态 MR 重建模型进行优化，实验证明 DUS-Net 优于现有的方法。

    Jul, 2023