基于模型学习的加速有限视角三维光声层析成像
计算机视觉与模式识别
2020-09-07 v3 神经与进化计算
最优化与控制
摘要
近年来，用于层析重建的深度学习进展显示出以显著加速创建精确高质量图像的巨大潜力。本文提出一种深度神经网络，专门设计用于从受限光声测量中提供高分辨率三维图像。该网络被设计为表示一种迭代方案，并融合了数据拟合的梯度信息以补偿有限视角伪影。由于光声前向算子的高度复杂性，我们将训练与梯度信息的计算分离。作为训练的一部分，学习了一个适用于期望图像结构的先验。所得网络在来自肺部CT扫描的分段血管数据集上进行训练和测试，然后应用于活体光声测量数据。
引用
@article{arxiv.1708.09832,
title = {Model based learning for accelerated, limited-view 3D photoacoustic tomography},
author = {Andreas Hauptmann and Felix Lucka and Marta Betcke and Nam Huynh and Jonas Adler and Ben Cox and Paul Beard and Sebastien Ourselin and Simon Arridge},
journal= {arXiv preprint arXiv:1708.09832},
year = {2020}
}