Noise2Filter：面向三维计算机断层扫描的快速自监督学习与实时重建
图像与视频处理
2020-07-06 v1 机器学习
摘要
在同步辐射光源的 X 射线束线上，物体内部三维层析成像所能达到的时间分辨率已缩短至不到一秒，使得能够快速变化的结构被观测。相关的数据采集速率需要可观的计算资源用于重建。因此，物体的完整三维重建通常在扫描完成后进行。准三维重建——计算若干交互式二维切片而非三维体数据——已被证明显著更高效，并可实现内部的实时重建与可视化。然而，准三维重建依赖于滤波反投影类算法，通常对测量噪声敏感。为克服此问题，我们提出 Noise2Filter，一种仅可使用测量数据训练、无需任何额外训练数据的学习型滤波方法。该方法结合准三维重建、学习型滤波与自监督学习，推导出可在不到一分钟内训练并实时评估的层析重建方法。我们展示了与额外训练数据训练相比精度损失有限，且相比标准基于滤波的方法精度有所提高。
引用
@article{arxiv.2007.01636,
title = {Noise2Filter: fast, self-supervised learning and real-time reconstruction for 3D Computed Tomography},
author = {Marinus J. Lagerwerf and Allard A. Hendriksen and Jan-Willem Buurlage and K. Joost Batenburg},
journal= {arXiv preprint arXiv:2007.01636},
year = {2020}
}