PulseAugur
中
实时 13:55:21
English(EN) Texture-preserving implicit neural representation for Cone beam CT truncated reconstruction

新的神经网络方法以更少的伪影重建CT扫描

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的自监督3D重建框架，用于锥束CT（CBCT），以解决数据截断伪影问题。该方法利用神经场景表示将空间坐标映射到放射密度，绕过了传统的重建操作，并能够外推到原始视场之外。为了保留通常会被神经网络丢失的高频纹理，集成了一个基于物理的迭代细化模块，将神经网络的伪影抑制与迭代算法的细节保留相结合。 AI

影响 这种新方法通过减少伪影和扩展CT扫描中可用的视场，有可能提高医学成像的质量和实用性。

排序理由 该集群包含一篇详细介绍图像重建新方法的学术论文。

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 →

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Genyuan Zhang, Junyao Wang, Haoran Lan, Chuandong Tan, Songtao Zhu, Fenglin Liu ·

    用于锥束CT截断重建的保持纹理的隐式神经表示

    arXiv:2606.06039v1 Announce Type: new Abstract: Cone-beam computed tomography (CBCT) frequently suffers from data truncation, which introduces severe artifacts and limits the effective field of view (FOV). Existing deep learning methods for truncated cone-beam computed tomography…

  2. arXiv cs.CV TIER_1 English(EN) · Fenglin Liu ·

    面向锥束CT截断重建的保持纹理的隐式神经表示

    Cone-beam computed tomography (CBCT) frequently suffers from data truncation, which introduces severe artifacts and limits the effective field of view (FOV). Existing deep learning methods for truncated cone-beam computed tomography (CBCT) reconstruction suffer from serious limit…

相关实体

相关话题