PulseAugur
中
实时 07:10:18
English(EN) A Dual-domain Refinement Network with FBP-based Jacobian Learning for Sparse-view Dual-Energy CT Material Decomposition

新型DECT-DRNet改进稀疏视场CT材料分解

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的迭代双域精炼网络，名为DECT-DRNet，用于改进稀疏视场双能CT（DECT）成像中的材料分解。该方法通过引入基于滤波反投影（FBP）的雅可比近似模块，解决了稀疏视场采集带来的非线性及病态问题。该网络集成了FBP算法和U-Net来近似伴随雅可比算子。此外，DECT-DRNet利用带有傅里叶卷积残差块的可学习稀疏双域正则化项，通过结合图像域和频域处理来增强噪声和伪影抑制。 AI

影响 这项研究可能带来更精确的CT扫描材料分解，从而提高医学影像的诊断能力。

排序理由 该集群包含一篇详细介绍用于特定医学成像问题的网络架构的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型DECT-DRNet改进稀疏视场CT材料分解

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Qian Liu, Xiaohong Fan, Ke Chen, Chong Chen, Shuaikang Wang, Jianping Zhang ·

    A Dual-domain Refinement Network with FBP-based Jacobian Learning for Sparse-view Dual-Energy CT Material Decomposition

    arXiv:2606.30159v1 Announce Type: new Abstract: Dual-energy CT (DECT) exploits attenuation differences across different X-ray spectra to provide richer material information and has been widely used in medical imaging. While sparse-view acquisition can lower radiation exposure, it…

  2. arXiv cs.CV TIER_1 English(EN) · Jianping Zhang ·

    A Dual-domain Refinement Network with FBP-based Jacobian Learning for Sparse-view Dual-Energy CT Material Decomposition

    Dual-energy CT (DECT) exploits attenuation differences across different X-ray spectra to provide richer material information and has been widely used in medical imaging. While sparse-view acquisition can lower radiation exposure, it makes DECT material decomposition even more cha…

相关实体

相关话题