基于平面方向敏感探测器的光声 tomography 中不可见信息的深度学习重建
图像与视频处理
2022-11-08 v2 计算机视觉与模式识别
摘要
在使用平面传感器的光声 tomography（PAT）中，我们常遇到两类有限数据问题。第一类源于使用有限尺寸传感器，尤其当感兴趣区域相对传感器较大或距传感器较远时尤为明显。本文关注第二类，其由传感器对入射波前方向变化的灵敏度引起，可建模为二值的，即由灵敏度锥表示。此类可见性条件在傅里叶域中导致图像与数据均被限制为蝴蝶结形，类似于前向算子值域对应的形状。图像域与数据域中的可见波前集由波前方向映射关联。我们调整了先前提出的楔形限制 Curvelet 分解（用于完整 PAT 数据表示），以分离图像中的可见与不可见波前。我们将快速近似算子与定制的深度神经网络架构最优结合为高效的习得重建方法，对可见系数进行重建，而不可见系数则从相似数据的训练集中学习得到。
引用
@article{arxiv.2204.10001,
title = {On Learning the Invisible in Photoacoustic Tomography with Flat Directionally Sensitive Detector},
author = {Bolin Pan and Marta M. Betcke},
journal= {arXiv preprint arXiv:2204.10001},
year = {2022}
}
备注
Submitted to SIAM Journal on Imaging Sciences 2nd Review