다중 희소 뷰 및 다중 스케일 개선-수정을 통한 이중 도메인 통합 CT 재구성: MVMS-RCN
본 논문에서는 다중 희소 뷰 CT 재구성을 위한 새로운 이중 도메인 통합 프레임워크인 MVMS-RCN을 제안하며, 이는 기존 방법보다 우수한 재구성 성능을 달성하면서 딥러닝 기반 방법의 이점과 모델 기반 방법의 이론적 장점을 결합합니다.
MVMS-RCN: A Deep Learning Approach to Sparse-View CT Reconstruction Using Dual-Domain Unfolding and Multi-Scale Refinement
This paper introduces MVMS-RCN, a novel deep learning framework for sparse-view CT reconstruction that leverages a dual-domain unfolding approach with multi-view projection refinement and multi-scale geometric correction to achieve superior image quality compared to existing methods.
희소 뷰 CT를 위한 안정적인 이중 도메인 딥 재구성: LAMA 알고리즘 소개 및 성능 평가
본 논문에서는 희소 뷰 CT 재구성 문제를 해결하기 위해 데이터 기반 딥러닝과 기존의 변분 모델을 결합한 새로운 딥러닝 기반 계산 프레임워크인 LAMA(Learned Alternating Minimization Algorithm)를 제안하고, 이를 통해 재구성의 정확성, 안정성, 해석 가능성을 향상시키는 동시에 네트워크 복잡성 감소 및 메모리 효율성을 개선하는 방법을 제시합니다.
LAMA: A Stable Deep Learning Approach for Sparse-View CT Reconstruction Using Dual-Domain Learned Regularizers and Alternating Minimization
This paper introduces LAMA, a novel deep learning framework for sparse-view Computed Tomography (CT) reconstruction that leverages learned regularizers in both image and sinogram domains, trained through a convergent alternating minimization algorithm, to achieve improved accuracy, stability, and interpretability compared to existing methods.
Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction
Addressing data consistency discrepancy in sparse-view CT reconstruction using a cascaded diffusion model with discrepancy mitigation.
© 2024 by Linnk AI