CT画像生成のための深層学習とモデルベースの再構成の相乗的統合

従来の X 線 CT 用のモデルベース画像再構成 (MBIR) は、最適化問題として定式化されることが多く、その解は再構成する未知の画像です。

過去数年間の研究は、これらの従来の MBIR 手法のコンポーネントをディープ ニューラル ネットワーク モデルに置き換える方向にシフトしています。 このような統合により、画質の向上と深層学習アーキテクチャの特定の解釈可能性の両方を実現できます。

Jingyan Xu は、深層学習と MBIR を組み合わせたいくつかの既存のアプローチを紹介し、それらの長所、短所、および将来の拡張の可能性について説明します。

ジンヤン・シュー スタンフォード大学で電気工学の博士号を取得。 彼女は現在、ジョンズ・ホプキンス大学の放射線科の助教授です。 彼女の専門分野は、モデルベースの画像再構成手法の開発と、X 線 CT のタスクベースの画質評価です。 最近では、CT 画像生成のためのディープ ラーニングとモデルベースの再構成の相乗的統合に取り組んでいます。

IOPパブリッシングとの講演者関係

最近出版された論文の共著者 医学と生物学の物理学 話題のレビュー、 AI時代の医用画像再構成における凸最適化アルゴリズム.

ポスト CT画像生成のための深層学習とモデルベースの再構成の相乗的統合 最初に登場した 物理学の世界.

• コインスマート。 ヨーロッパで最高のビットコインと暗号通貨取引所。
• Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 出入り自由。
• CryptoHawk。 アルトコインレーダー。 無料トライアル。
• ソース: https://physicsworld.com/a/synergistic-integration-of-deep-learning-and-model-based-reconstruction-for-ct-image-generation/