iterative reconstruction | BriefGPT

关键词iterative reconstruction

搜索结果 - 7

基于分区汉克尔的少样本低剂量 CT 重建模型
提出了一种利用基于分区汉克尔的扩散模型进行少量剂量 CT 重建的方法，该方法通过结构化张量从多个分区汉克尔矩阵中提取先验知识，利用迭代随机微分方程求解器以及数据一致性约束来更新获得的投影数据，并引入惩罚加权最小二乘和总变差技术以提高图像质量
PDFa month ago
基于潜隐扩散模型的稀疏数据重建的迭代重建
通过结合迭代重建和无监督潜在扩散模型，Latent Diffusion Iterative Reconstruction (LDIR) 方法能够以高效的方式重建高分辨率图像，超过其他无监督方法并接近有监督方法的性能，同时具有更快的执行时间和
PDFa year ago
使用预训练的 2D 扩散模型解决 3D 反问题
本文结合传统的基于模型的迭代重建方法和现代扩散模型，提出了一种高度有效的方法来解决 3D 医学图像重建任务，包括稀疏视图断层扫描、有限角度断层扫描、预训练 2D 扩散模型压缩感知 MRI 等。我们在测试时提出了 2D 扩散先验的增强模型先验
PDF2 years ago
近端前向反向分裂的深度学习正则化低剂量 CT
利用深度学习正则化的解决方法，基于接近前向 - 反向分裂（PFBS）框架的展开与通过深度神经网络进行数据驱动图像正则化，实现了低剂量 X 线计算机断层扫描（LDCT）的图像重建，并提出了融合分析重建和迭代重建（AIR）的预处理数据信度更新的
PDF5 years ago
卷积循环神经网络用于动态磁共振图像重建
提出了一种新颖的卷积循环神经网络（CRNN）结构，通过联合利用时间序列的依赖性和传统优化算法的迭代性质，从高度欠采样的 k 空间数据中重建高质量的心脏 MR 图像，同时学习时空相关性，优于当前 MR 重建方法在计算复杂性、重建准确性和速度方
PDF7 years ago
使用残差编码器 - 解码器卷积神经网络（RED-CNN）进行低剂量 CT
本文使用 RED-CNN 深度神经网络在模拟和临床低剂量 CT 成像中取得了竞争优势，尤其在噪声抑制、结构保护和病变检测方面表现优异。
PDF7 years ago
基于参考的 MRI
本文介绍了一种利用参考图像的快速 MRI 方法，通过迭代重构的方式实现在多种临床 MRI 成像场景中的应用，并在高分辨率脑部 MRI、快速 FLAIR 扫描和快速随访扫描等情况下取得了优于现有方法的重构效果。
PDF9 years ago