太赫兹时空深度学习计算机断层成像
图像与视频处理
2022-06-14 v2
摘要
太赫兹计算机断层成像（THz CT）因其将多维物体信息从不可见变为可见的独特能力而受到广泛关注。然而，当前基于物理模型的太赫兹 CT 模态在时间分辨太赫兹信号上的数据利用效率低，且模型融合可扩展性差，限制了其在应用领域中的实际使用。本文提出一种基于时域信息的监督式太赫兹深度学习计算机断层成像（THz DL-CT）框架。THz DL-CT 通过从时空太赫兹信号中提取特征来重建三维物体的优质太赫兹断层图像，无需任何先验材料信息。与常规方法及基于机器学习的方法相比，THz DL-CT 在均方根误差（RMSE）和结构相似性指数（SSIM）上分别至少优 50.2% 和 52.6%。此外，我们通过实验证明，预训练的 THz DL-CT 模型可在无前置信息的情况下泛化重建多材料体系。通过 DL 数据融合方法的太赫兹 CT 为物体检测中的非侵入式功能成像提供了新途径。
引用
@article{arxiv.2205.00324,
title = {Terahertz Spatio-Temporal Deep Learning Computed Tomography},
author = {Yi-Chun Hung and Ta-Hsuan Chao and Pojen Yu and Shang-Hua Yang},
journal= {arXiv preprint arXiv:2205.00324},
year = {2022}
}