DensePANet：一种用于稀疏数据光声断层成像图像重建的改进生成对抗网络
图像与视频处理
2024-04-26 v1 人工智能
计算机视觉与模式识别
机器学习
声音
摘要
图像重建是每种医学成像方法的一个基本步骤，包括光声断层成像（PAT），这是一种很有前景的成像模态，结合了超声和光学成像方法的优点。使用传统方法重建 PAT 图像会产生粗糙的伪影，特别是当直接应用于稀疏 PAT 数据时。近年来，生成对抗网络（GANs）在图像生成和转换方面表现出了强大的性能，使其成为应用于重建任务的明智选择。在本研究中，我们提出了一种称为 DensePANet 的端到端方法，以解决稀疏数据 PAT 图像重建问题。所提出的模型在其生成器中采用了一种新颖的 UNet 修改，称为 FD-UNet++，这显著提高了重建性能。我们在各种体内和模拟数据集上评估了该方法。定量和定性结果表明，我们的模型优于其他流行的深度学习技术。
引用
@article{arxiv.2404.13101,
title = {DensePANet: An improved generative adversarial network for photoacoustic tomography image reconstruction from sparse data},
author = {Hesam Hakimnejad and Zohreh Azimifar and Narjes Goshtasbi},
journal= {arXiv preprint arXiv:2404.13101},
year = {2024}
}