PulseAugur
中
实时 05:49:57
English(EN) GB-SVFBP: Gaussian-Based Shift-Variant FBP neural network

新型神经网络大幅削减CT重建参数

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为GB-SVFBP的新型基于高斯的移变滤波反投影（FBP）神经网络，用于非圆形轨迹锥束计算机断层扫描中的高效重建。这种新颖的方法将可训练的二维高斯模型集成到滤波过程中，将可训练参数的数量显著减少了99%。该方法还将训练时间缩短至原来的四分之一，从而加速了收敛，同时仅对重建质量产生轻微影响。 AI

影响 这项研究为CT重建提供了一种更有效的方法，有望提高医学成像应用的 [速度] 并降低计算成本。

排序理由 该集群包含一篇详细介绍新型神经网络架构及其性能改进的研究论文。

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 →

新型神经网络大幅削减CT重建参数

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Chengze Ye, Linda-Sophie Schneider, Yipeng Sun, Andreas Maier ·

    GB-SVFBP：基于高斯的移变FBP神经网络

    arXiv:2607.11584v1 Announce Type: new Abstract: This paper proposes a Gaussian-Based Shift-Variant filtered backprojection (FBP) neural network, which is designed for the efficient reconstruction of non-circular trajectory cone beam computed tomography. The traditional differenti…

  2. arXiv cs.CV TIER_1 English(EN) · Andreas Maier ·

    GB-SVFBP：基于高斯的移变FBP神经网络

    This paper proposes a Gaussian-Based Shift-Variant filtered backprojection (FBP) neural network, which is designed for the efficient reconstruction of non-circular trajectory cone beam computed tomography. The traditional differentiable shift-variant FBP model consists of a filte…

相关实体

相关话题