基于模拟器的自监督学习用于三维断层重建
图像与视频处理
2023-05-29 v2 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
我们提出一种用于低剂量螺旋锥束计算机断层扫描中三维体数据重建的深度学习方法。先前的机器学习方法需要由另一种算法计算的参考重建用于训练。相反，我们仅使用含噪的 2D X 射线数据以完全自监督方式训练模型。这是通过在训练循环中引入快速可微 CT 模拟器实现的。由于我们不依赖参考重建，结果的保真度不受其潜在缺陷的限制。我们在真实螺旋锥束投影与模拟体模上评估了我们的方法。结果表明，相较于依赖现有重建的技术，我们的方法具有显著更高的视觉保真度与更好的 PSNR。当应用于全剂量数据时，我们的方法比迭代技术快几个数量级地产生高质量结果。
引用
@article{arxiv.2212.07431,
title = {Simulator-Based Self-Supervision for Learned 3D Tomography Reconstruction},
author = {Onni Kosomaa and Samuli Laine and Tero Karras and Miika Aittala and Jaakko Lehtinen},
journal= {arXiv preprint arXiv:2212.07431},
year = {2023}
}