In dieser Arbeit wird ein Verfahren zur Rekonstruktion von Photoacoustic-Tomographie-Bildern unter Verwendung von Score-basierten Diffusionsmodellen vorgestellt.
Das Verfahren ermöglicht es, einen ausdrucksstarken, durch ein Diffusionsmodell erlernten Prior auf simulierte Gefäßstrukturen in den Rekonstruktionsprozess zu integrieren, während es gleichzeitig robust gegenüber unterschiedlichen Sparsitätsbedingungen der Messsensoren ist.
Im Vergleich zu traditionellen Methoden wie der Rückprojektion und modellbasierten Ansätzen zeigt das vorgeschlagene Verfahren deutlich bessere Rekonstruktionsqualität, insbesondere bei Konfigurationen mit räumlicher Unterabtastung. Gegenüber einer überwachten Deep-Learning-Methode ist es flexibler einsetzbar, da es keine separate Modelltrainierung für jede Sensoranordnung erfordert.
Die Arbeit bietet einen technischen Beitrag durch die Formulierung eines neuen Verfahrens zur Lösung allgemeiner linearer inverser Probleme mit Diffusionsmodellen sowie einen praktischen Beitrag durch den Nachweis der Nützlichkeit von Diffusionsmodellen für die Photoacoustic-Tomographie-Bildgebung.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問