English(EN) Design Choices in Splitting-Based Self-Supervised Sparse-View CT Reconstruction

新框架分析CT重建，噪声影响策略

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-14 04:00

研究人员开发了一个统一的框架来分析自监督稀疏视图CT重建中的设计选择。他们在模拟和真实数据集上的实验表明，最优的分区策略高度依赖于测量噪声的结构。基于格的分裂在独立噪声下表现良好，而在相关噪声和实际测量数据下，角度掩蔽更有效。研究还发现，在各种场景下，多分区分裂的性能始终优于逐投影分裂。 AI

影响为改进CT重建技术提供了实用指南，尤其是在噪声成像环境中。

排序理由这是一篇研究论文，详细介绍了特定技术领域的新框架和实验结果。[lever_c_demoted from research: ic=1 ai=0.4]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Nadja Gruber, Lukas Neumann, Ander Biguri, Gyeongha Hwang, Markus Haltmeier, Johannes Schwab · 2026-07-14 04:00

Design Choices in Splitting-Based Self-Supervised Sparse-View CT Reconstruction

arXiv:2607.10898v1 Announce Type: new Abstract: Self-supervised data splitting has emerged as a promising paradigm for sparse-view CT reconstruction, enabling training from incomplete measurements without fully sampled ground truth. However, the influence of key design choices, i…