基于高质量自监督神经表示的有限视角照明声学成像重建
计算机视觉与模式识别
2024-07-08 v1
摘要
在人体内实际应用中，很难完全包围目标组织或器官， necessitating 使用有限视角阵列，这可能导致关键信息的丢失。针对受限视野检测空间中的照明声学传感器信号重建问题，当前研究的焦点。本研究引入一种自监督网络，称为高质量自监督神经表示（HIS），以解决照明声学成像的逆问题，从受限视角获取的传感器数据重建出高质量的照明声学图像。我们将所需的重建照明声学图像视为二维图像空间中连续函数的隐式表示，将图像像素视为稀疏离散样本。HIS的目标是通过利用全连接神经网络结合傅里叶特征位置编码，从有限观察中学习连续函数。仅通过最小化网络预测的传感器数据与实际传感器数据之间的误差，HIS即可训练出表示所观察到的连续模型的网络。结果表明，所提出的HIS模型在照明声学图像重建质量方面优于三种常用方法。
引用
@article{arxiv.2407.03663,
title = {Limited-View Photoacoustic Imaging Reconstruction Via High-quality Self-supervised Neural Representation},
author = {Youshen xiao and Yuting Shen and Bowei Yao and Xiran Cai and Yuyao Zhang and Fei Gao},
journal= {arXiv preprint arXiv:2407.03663},
year = {2024}
}