用于感兴趣区域重建的深度学习内断层成像
计算机视觉与模式识别
2018-01-04 v2 人工智能
机器学习
机器学习
摘要
用于感兴趣区域（ROI）成像的内断层成像具有使用小探测器和降低 X 射线辐射剂量的优势。然而，标准解析重建由于截断 Radon 变换中零空间的存在而遭受严重的杯状伪影。现有的惩罚重建方法可解决此问题，但由于迭代重建而需要大量计算。受近期深度学习用于低剂量和稀疏视角 CT 的方法启发，我们在此提出一种深度学习架构，从 FBP 重建中去除零空间信号。实验结果表明，所提方法提供了近乎完美的重建，相较现有方法在 PSNR 上约有 7-10 dB 的提升，且运行时间复杂度显著降低。
引用
@article{arxiv.1712.10248,
title = {Deep Learning Interior Tomography for Region-of-Interest Reconstruction},
author = {Yoseob Han and Jawook Gu and Jong Chul Ye},
journal= {arXiv preprint arXiv:1712.10248},
year = {2018}
}