利用神經網路以數據驅動的方式探索自相似性
本文提出了一種基於神經網路的新方法，可以直接從觀測數據中發現自相似性，無需預先假設任何模型，並通過將尺度變換對稱性嵌入神經網路架構中，成功地從優化後的參數中提取出表徵物理問題尺度變換對稱性的冪指數。
신경망을 이용한 데이터 기반 자기 유사성 발
본 논문에서는 복잡한 물리 현상의 지배 법칙을 이해하는 데 중요한 단계인 자기 유사성을 기존 모델 기반 접근 방식의 한계를 극복하기 위해 신경망을 사용하여 데이터에서 직접 발견하는 새로운 방법을 제시합니다.
基於多稀疏視圖和多尺度優化校正的雙域展開 CT 重建方法：MVMS-RCN
本文提出了一種名為 MVMS-RCN 的新型雙域統一框架，用於解決稀疏視圖電腦斷層掃描 (CT) 重建問題，該框架結合了基於模型和基於深度學習方法的優點，通過多視角投影優化和多尺度幾何校正，實現了高效準確的 CT 影像重建。
ニューラルネットワークを用いたデータ駆動型自己相似性発見
複雑な物理現象の背後にある支配法則を理解するための鍵となる自己相似性を、モデルを前提とせずに観測データから直接発見する新しいニューラルネットワークベースのアプローチが提案されている。
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.
Data-Driven Discovery of Self-Similarity in Physical Phenomena Using Neural Networks
This paper introduces a novel neural network-based method to discover self-similarity in complex physical phenomena directly from observed data, without relying on specific models, by leveraging the inherent scale-transformation symmetries present in self-similar solutions.
多重スパースビューおよびマルチスケールRefinement-correctionを用いたデュアルドメイン展開CT再構成：MVMS-RCN
本稿では、単一モデルで多重スパースビューCT再構成を柔軟に行う、新しいデュアルドメイン統合フレームワークMVMS-RCNを提案する。
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.
基於拓撲優化卷積視覺遞迴網路的腦腫瘤分割與分類方法：CTVR-EHO 與 TDA-IPH 模型
本文提出了一種基於深度學習的腦腫瘤圖像分割和分類新方法，結合了拓撲數據分析 (TDA) 和改進的持久同源性 (IPH) 的分割模型 TDA-IPH，以及結合卷積遷移學習、視覺遞迴學習和非洲象群優化 (EHO) 的分類模型 CTVR-EHO，實現了高精度的腦腫瘤檢測。
CTVR-EHO 및 TDA-IPH: 뇌종양 분할 및 분류를 위한 토폴로지 최적화 컨볼루션 시각 재귀 네트워크
본 논문에서는 뇌종양의 정확한 분할 및 분류를 위해 토폴로지 데이터 분석 기반 향상된 지속적 호몰로지(TDA-IPH) 및 코끼리 무리 최적화를 통한 컨볼루션 전이 학습 및 시각 재귀 학습(CTVR-EHO) 모델을 제안합니다.
