μ-Net：基于ConvNeXt的U-Net用于宇宙缪子断层扫描
计算机视觉与模式识别
2024-01-01 v1 图像与视频处理
仪器与探测器
摘要
缪子散射断层扫描利用通常来自宇宙射线的缪子对致密物体内部进行成像。然而，由于海平面宇宙射线缪子通量低以及缪子在物质中传播时表现出的高度复杂相互作用，现有重建算法通常分辨率低且噪声高。在这项工作中，我们开发了一种新颖的两阶段深度学习算法μ-Net，包括一个用于预测缪子轨迹的MLP和一个基于ConvNeXt的U-Net，用于将散射点转换为体素。μ-Net在1024个缪子的剂量下达到了17.14 PSNR的最先进性能，优于最近点算法和最大似然期望最大化算法等传统重建算法。此外，我们发现我们的方法对多种干扰具有鲁棒性，例如缪子动量的不准确性或有限的探测器分辨率。我们还生成并公开发布了第一个将缪子检测映射到体素的大规模数据集。我们希望我们的研究能激发进一步探索深度学习在这一领域革命性潜力的研究。
引用
@article{arxiv.2312.17265,
title = {$\mu$-Net: ConvNext-Based U-Nets for Cosmic Muon Tomography},
author = {Li Xin Jed Lim and Ziming Qiu},
journal= {arXiv preprint arXiv:2312.17265},
year = {2024}
}