研究人员分析了用于锥束CT重建的可微移变FBP(SV-FBP)框架,发现其对不规则和不连续的源轨迹具有鲁棒性。该框架的性能更多地取决于采样点的空间分布,而非轨迹的连续性。虽然在稀疏视图条件下计算时间显著减少且具有竞争力,但由于缺乏迭代数据一致性,在严重欠采样情况下性能会下降。SV-FBP模型在无需架构更改的情况下也适用于非平面多等中心几何结构。 AI
影响 为数据驱动的CT重建模型的行为和局限性提供了见解,突出了其在非标准采集场景下的效率。
排序理由 学术论文,详细介绍了对现有框架的新分析。[lever_c_demoted from research: ic=1 ai=0.7]
- cone beam computed tomography
- Cone Beam Ct
- Differentiable Shift-Variant FBP
- Lissajous-saddle trajectories
- SV-FBP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →