用于稀疏视角与有限角度四维 CT 重建的多切片融合方法
图像与视频处理
2021-02-23 v3 计算机视觉与模式识别
摘要
跨越四个或更多维度（如空间、时间及其他独立参数）的逆问题已变得日益重要。最先进的四维重建方法使用基于模型的迭代重建（MBIR），但关键依赖于先验建模的质量。近来，即插即用（PnP）方法已被证明是利用最先进去噪算法引入高级先验模型的有效途径。然而，诸如 BM4D 和深度卷积神经网络（CNN）等最先进去噪器主要可用于二维或三维图像，由于算法复杂性及有效训练难度的增加，将其扩展至更高维度十分困难。本文中，我们提出多切片融合，一种基于多个低维去噪器融合的四维重建新算法。我们的方法使用多智能体共识平衡（MACE，即插即用的扩展）作为整合多个低维模型的框架。我们将该方法应用于四维锥束 X 射线 CT 重建，以对采集过程中动态运动的样品进行无损评估（NDE）。我们在分布式异构集群上实现多切片融合，以便在合理时间内重建大型四维体数据，并展示该算法固有的可并行特性。我们给出稀疏视角与有限角度 CT 数据上的仿真与真实实验结果，表明多切片融合相较传统方法可大幅改善重建质量，同时易于实现与训练。
引用
@article{arxiv.2008.01567,
title = {Multi-Slice Fusion for Sparse-View and Limited-Angle 4D CT Reconstruction},
author = {Soumendu Majee and Thilo Balke and Craig A. J. Kemp and Gregery T. Buzzard and Charles A. Bouman},
journal= {arXiv preprint arXiv:2008.01567},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:1906.06601