用于 X 射线层析成像的物理辅助生成对抗网络
图像与视频处理
2022-06-22 v2 机器学习
信号处理
摘要
X 射线层析成像能够无创地对物体内部进行三维成像，在生物医学成像、材料科学、电子检测等领域有着广泛应用。重建过程可能是一个病态逆问题，需要正则化才能获得令人满意的结果。最近，深度学习已被用于层析重建。与需要先验已知分布的迭代算法不同，深度重建网络可以通过对训练分布进行采样来学习先验分布。在这项工作中，我们开发了一种物理辅助生成对抗网络(PGAN)，这是一种用于层析重建的两步算法。与以往的工作不同，我们的 PGAN 利用从测量中导出的最大似然估计，结合已知物理和学习到的先验对重建进行正则化。与训练中物理辅助较少的方法相比，PGAN 可以在有限投影角度下减少光子需求，以达到给定的误差率。在 X 射线层析成像中使用物理辅助的学习先验的优势，可能进一步实现低光子纳米尺度成像。
引用
@article{arxiv.2204.03703,
title = {Physics-assisted Generative Adversarial Network for X-Ray Tomography},
author = {Zhen Guo and Jung Ki Song and George Barbastathis and Michael E. Glinsky and Courtenay T. Vaughan and Kurt W. Larson and Bradley K. Alpert and Zachary H. Levine},
journal= {arXiv preprint arXiv:2204.03703},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2111.08011