Реконструкция компьютерной томографии с использованием глубокого априорного представления изображения и обучаемых методов реконструкции

Computed tomography reconstruction using deep image prior and learned reconstruction methods
Daniel Otero Baguer, Johannes Leuschner, Maximilian Schmidt
2020-07-08

реконструкция компьютерной томографииглубокий априор изображенияобучаемый примал-дуальный методнизкодозовая КТКТ с разреженными углами
В данной работе исследуется применение методов глубокого обучения для низкодозовой компьютерной томографии и компьютерной томографии при разреженных углах проекций с использованием небольших обучающих выборок. В качестве обоснования нашего подхода мы рассматриваем некоторые существующие методы и получаем количественные результаты после их обучения на выборках различного объёма. Мы обнаруживаем, что обучаемый метод «прямое–двойственное» демонстрирует выдающиеся характеристики с точки зрения качества реконструкции и эффективности использования данных. Однако в целом обучаемые сквозные методы имеют два недостатка: (а) отсутствие классических гарантий для обратных задач и (б) отсутствие способности к обобщению после обучения на недостаточном объёме данных. Для преодоления этих проблем мы вводим подход глубокого априорного представления изображения в сочетании с классической регуляризацией и исходной реконструкцией. Предложенные методы обеспечивают наилучшие результаты в режиме ограниченного объёма данных в трёх сложных сценариях.
1
Сочетание deep image prior с классической регуляризацией и исходной реконструкцией устраняет эти ограничения и дает лучшие результаты в условиях малого объема данных в трех сложных сценариях.
2
Сквозные обучаемые методы реконструкции не обеспечивают классических гарантий для обратных задач и могут плохо обобщаться при недостатке обучающих данных.
3
Метод learned primal-dual демонстрирует наилучшее качество реконструкции и эффективность использования данных среди рассмотренных обучаемых подходов.
4
Исследование оценивает методы глубинного обучения для реконструкции низкодозовой и малоракурсной компьютерной томографии на небольших обучающих наборах данных.

реконструкция компьютерной томографии при низкой дозе облучения и разреженных углах

качество реконструкции и эффективность использования данных методов глубокого обучения и априорного представления глубокого изображения при ограниченном объёме обучающих данных, включая обобщающую способность и гарантии для обратных задач

Publication Details
Publication Date
2020-07-08
Journal
Publisher
ISSN
Cited by
200
Access Type
Author Information
Authors
Daniel Otero Baguer
Johannes Leuschner
Maximilian Schmidt
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%