实体
Filtered back projection
Filtered back projection
PulseAugur coverage of Filtered back projection — every cluster mentioning Filtered back projection across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的AI方法ELECTRIC通过不确定性预测增强CT重建
研究人员开发了ELECTRIC，这是一种新颖的物理引导贝叶斯公式，用于计算机断层扫描（CT）重建。该方法利用证据神经网络生成图像建议并预测认知不确定性，然后用于创建迭代重建的自适应精度场。该系统将先验置信度视为一个学习到的状态变量，从而显著降低了重建误差并提高了测量一致性。
-
无监督深度学习解决计算断层扫描逆问题
研究人员开发了一种新颖的无监督深度学习框架，用于解决计算断层扫描中的逆问题，特别是在缺乏真实数据的情况下。该方法被称为“深度图像先验”（DIP），它利用迭代重建和展开优化之间的相似性来训练一个网络，该网络可以在一次前向传播中重建未见的扫描。在2DeteCT数据集上的评估显示，与滤波反投影和最大似然重建等传统方法相比，该方法取得了具有竞争力或更优的结果，同时与每个实例的DIP基线相比，速度提高了约四个数量级。
-
新的DECT-DRNet通过雅可比学习改进CT材料分解
研究人员开发了一种新颖的迭代双域精炼网络DECT-DRNet，以改进双能CT材料分解，特别是在稀疏视场采集场景下。该方法通过显式地结合基于滤波反投影（FBP）的雅可比近似来解决现有深度展开方法的局限性。该网络还引入了一个使用傅里叶卷积残差块的可学习稀疏双域正则化项，以更好地模拟全局结构信息并抑制噪声。DECT-DRNet即使在投影数据有限的情况下也显示出实现更精确材料分解的潜力。