JSR-Net：一种用于不完全数据下空间-Radon域联合CT重建的深度网络
医学物理
2019-03-26 v2 机器学习
最优化与控制
摘要
从不完全数据（如稀疏视角和有限角度重建）进行CT图像重建是医学成像中一个重要且具挑战性的问题。本工作提出了一种称为JSR-Net的新型深度卷积神经网络(CNN)，联合重建CT图像及其相关的Radon域投影。JSR-Net将传统的基于模型的方法与深度学习的深度架构设计相结合。采用混合损失函数提升JSR-Net性能，使其在保护重要图像结构方面更有效。数值实验表明，JSR-Net优于一些最新的基于模型的重建方法，以及近期提出的一种深度模型。
引用
@article{arxiv.1812.00510,
title = {JSR-Net: A Deep Network for Joint Spatial-Radon Domain CT Reconstruction from incomplete data},
author = {Haimiao Zhang and Bin Dong and Baodong Liu},
journal= {arXiv preprint arXiv:1812.00510},
year = {2019}
}
备注
Accepted as IEEE-ICASSP-2019 poster