用于 9 视角双能 CT 行李扫描仪的深度学习重建
计算机视觉与模式识别
2018-01-08 v1 人工智能
机器学习
机器学习
摘要
在国土与交通安全的应用中，二维 X 射线爆炸物检测系统（EDS）已被广泛使用，但其在识别隐藏物体的三维形状方面存在局限。在解决此问题的各类三维计算机断层扫描（CT）系统中，本文关注一种使用固定 X 射线源与探测器的静止 CT。然而，由于投影视角数量有限，解析重建算法会产生严重的条状伪影。受近期深度学习用于稀疏视角 CT 重建成功的启发，我们在此提出一种新颖的图像与正弦图域深度学习架构，用于从极稀疏视角测量中进行三维重建。该算法已使用由韩国 GEMSS Medical Systems 开发的 9 视角双能静止 CT EDS 随身行李扫描仪原型机的真实数据进行测试，结果证实其相对于现有方法具有更优的重建性能。
引用
@article{arxiv.1801.01258,
title = {Deep Learning Reconstruction for 9-View Dual Energy CT Baggage Scanner},
author = {Yoseob Han and Jingu Kang and Jong Chul Ye},
journal= {arXiv preprint arXiv:1801.01258},
year = {2018}
}