10.13505/j.1007-1482.2022.27.04.007
面向CT成像的深度重建算法研究进展
随着计算机断层扫描(Computed Tomography,CT)技术的发展与广泛应用,其重建算法得到了长足的发展.近年来,基于数据驱动的深度学习技术与CT图像重建结合的趋势愈加明显,深度学习应用于影像重建在实验环境中取得了显著的重建效果.本文以CT成像原理、重建技术发展以及存在问题为切入点.首先,围绕深度学习的有监督和无监督学习策略,将两类基于深度学习的重建算法原理与目前国内外研究进展进行结合介绍.主要包括有监督学习对传统解析迭代方法重建过程的网络实现与优化,以及无监督学习中自监督学习和生成模型类重建原理方法.其次,介绍了一些常用的基于像素、区域结构细节、语义特征等层面的损失函数,并对它们的优缺点进行了分析.最后,本文对深度重建领域仍存在的一些问题进行了总结,并介绍了一些新的学习型重建策略.
CT成像、深度重建、卷积神经网络、有监督学习、无监督学习
27
TP814(远动技术)
国家自然科学基金;安徽省高等学校科学研究项目;高校优秀青年人才支持计划重点项目
2023-04-18(万方平台首次上网日期,不代表论文的发表时间)
共18页
387-404