weixin_44502754的博客

Dual-domain self-supervised learning for accelerated non-Cartesian MRI reconstruction（用于加速非笛卡尔MRI重建的双域自监督方法）

CT是一种广泛应用于医疗和工业应用的成像技术。然而，准确的CT重建需要完整的投影数据，而不完整的数据会导致重建图像中出现明显的伪影，从而影响其后续检测和诊断的可靠性。因此，从不完整的投影数据中进行精确的CT重建仍然是放射学中一个具有挑战性的研究领域。随着深度学习技术的快速发展，人们提出了许多基于深度学习的方法来从不完全投影数据中重建CT。然而，总结这一领域最新进展的综合调查有限。本文全面概述了目前最先进的基于DL的CT不完全投影重建技术，包括。

该文提出了一种方法，通过优化底层的连续体积场景函数，利用稀疏的输入视图集合实现了合成复杂场景的新视图的最先进结果。

该文提出了一种自适应机器学习方法，首先通过稀疏阵列采样预测和补充光声传感器通道数据，然后通过常规重建算法重建图像。

论文题目：IntraTomo: Self-supervised Learning-based Tomographyvia Sinogram Synthesis and Prediction（基于自监督学习的CT弦图合成和预测）关键字：CT，弦图预测，几何细化，解逆问题，自监督学习期刊信息：2021-ICCV论文摘要本文提出了一种名为IntraTomo的强大框架，通过结合基于学习和基于模型的方法，解决了计算机断层摄影术（CT）中高度不适定的逆问题。通过两个核心模块，即新颖的和。