UVTomo-GAN: An adversarial learning based approach for unknown view X-ray tomographic reconstruction
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
断层重建恢复一个未知的图像给定其从不同角度的投影。解决该问题的现有技术方法假设与投影相关联的角度是先验已知的。鉴于此知识，重建过程是简单的，因为它可以被公式化为凸问题。在这里，我们解决了一个更具挑战性的设置：1）投影角度是未知的，2）它们是从未知的概率分布中绘制的。在此设置中，我们的目标是使用无监督对抗学习方法恢复图像和投影角度分布。为此，我们制定的问题之间的分布匹配的真实投影线和生成的估计图像和投影分布。然后，通过在发电机和发电机之间的最小-最大博弈中达到均衡来解决这个问题。我们的新贡献是使用对抗学习同时恢复未知的投影分布和图像。为了适应这一点，我们使用Gumbel-softmax近似的样本分类分布近似发电机的损失作为未知图像和投影分布的函数。我们的方法可以推广到不同的反问题。我们的仿真结果表明，我们的方法在成功地恢复图像和投影分布在各种设置的能力。
2021-02-09 cs.CV cs.LG eess.IV
The Application of Convolutional Neural Networks for Tomographic Reconstruction of Hyperspectral Images
University of Southern Denmark（南丹麦大学）；Newtec Engineering A/S（Newtec工程公司）；Mads Clausen Institute（马德斯·克劳森研究所）
提出了一种利用卷积神经网络（CNN）从计算机层析成像光谱仪（CTIS）图像重建高光谱立方体的新方法。目前的重建算法通常受到重建时间长和平庸的情况下，大量的光谱通道。所构造的CNN比稀疏期望最大化算法提供更高的精度和更短的重建时间。此外，该网络可以同时处理两种不同类型的真实世界图像-特别是考虑了彩色图像和胡萝卜光谱图像。这项工作为CTIS图像的高光谱立方体的实时重建铺平了道路。
2022-03-14 cs.CV eess.IV
Stretched sinograms for limited-angle tomographic reconstruction with neural networks
Princeton Neuroscience Institute（普林斯顿神经科学研究所）；Princeton Computer Science Department（普林斯顿大学计算机科学系）
本文提出一种基于卷积网络的有限角度断层重建方法，通过按倾斜角正割值拉伸倾斜视图并输入U-Net直接输出三维重建，实验表明该简单拉伸策略显著优于直接重建和后处理基线。
2023-06-16 cs.CV eess.IV
Accelerating computed tomographic imaging spectrometer reconstruction using a parallel algorithm exploiting spatial shift-invariance
计算机断层成像光谱仪（CTIS）实时捕获高光谱图像。然而，后处理图像可能需要巨大的计算资源;因此，将其应用限制在非实时场景中。为了克服这些挑战，我们开发了一个高度并行化的算法，利用空间平移不变性。为了证明我们的新算法的多功能性，我们开发了桌面和嵌入式图形处理单元（GPU）上的实现。据我们所知，我们的结果显示了最快的图像重建时间报告。
2020-06-02 eess.IV
Limited View Tomographic Reconstruction Using a Deep Recurrent Framework with Residual Dense Spatial-Channel Attention Network and Sinogram Consistency
Yale University（耶鲁大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
有限视图断层摄影重建旨在从有限数量的正弦图或投影视图重建断层摄影图像，这些正弦图或投影视图由减少辐射剂量或缩短扫描时间的稀疏视图或有限角度采集产生。然而，由于正弦图的不完整性，这种重建遭受高噪声和严重伪影。为了导出质量重建，先前的最先进的方法使用UNet类神经架构来从有限的视图数据直接预测全视图重建;但是这些方法在很大程度上保留了深度网络架构问题，并且不能保证重建图像的正弦图与采集的正弦图之间的一致性，从而导致非理想重建。在这项工作中，我们提出了一种新的经常性重建框架，堆叠相同的块多次。循环块由定制设计的剩余密集空间通道注意力网络组成。此外，我们开发了一个正弦图一致性层交织在我们的经常性框架，以确保采样正弦图是一致的经常性块的中间输出的正弦图。我们在两个数据集上评估我们的方法。我们在AAPM低剂量CT Grand Challenge数据集上的实验结果表明，我们的算法在有限角度重建（PSNR优于5dB）和稀疏视图重建（PSNR优于4dB）方面都比现有的最先进的神经方法实现了一致和显着的改进。此外，我们在深部病变数据集上的实验结果表明，我们的方法能够为8种主要病变类型生成高质量的重建。
2020-09-03 cs.CV eess.IV
Single-View Tomographic Reconstruction Using Learned Primal Dual
Nevada National Security Sites（内华达国家安全遗址）；University of Nevada, Las Vegas（内华达大学拉斯维加斯分校）；California State University, Long Beach（加州州立大学长滩分校）
本文提出学习对偶方法用于单视体层重建轴对称目标，通过生成训练数据并对比传统反演方法，验证了其在极端条件下的有效性。
2025-12-30 eess.IV
MONSTR: Model-Oriented Neutron Strain Tomographic Reconstruction
本文提出MONSTR算法，基于多智能体共识均衡框架，整合探测器物理、层析重建与连续介质力学约束，从中子Bragg边缘测量中实现二维残余应变张量的高质量重建，有效解决严重病态的逆问题。
2025-05-28 eess.IV eess.SP
Low radiation tomographic reconstruction with and without template information
IIT Bombay（孟买印度理工学院）；Monash University（莫纳什大学）；IITB-Monash Research Academy（IITB-莫纳什研究院）
与标准剂量计算机断层扫描（CT）相比，低剂量断层扫描在医疗程序中具有更低的辐射风险。然而，X射线的强度越低，采集噪声越高，因此重建遭受伪影。大量的工作都集中在改进算法，以尽量减少这些文物。在这项工作中，我们提出了两种新的技术，重新缩放的非线性最小二乘法和泊松-高斯卷积，重建的基础图像利用一个准确或接近准确的统计模型的预测中的噪声。我们还提出了一种重建方法时，先验知识的基础对象的模板的形式。这适用于纵向研究，其中多次扫描同一对象以观察其随时间演变的变化。我们对3D数据的研究结果表明，先验信息可用于补偿低剂量伪影，我们证明，通过一种称为“再辐射”的方法，可以同时防止先验信息对测试对象中新变化的重建产生不利影响。此外，我们还提出了两种技术的正则化参数自动调整层析反演。
2019-12-23 cs.CV eess.IV
A hierarchical approach to deep learning and its application to tomographic reconstruction
GE Research（GE研究中心）
深度学习（DL）在许多图像分析和图像增强任务中表现出前所未有的性能。然而，解决大规模的逆问题，如层析重建仍然具有挑战性的DL。这些问题涉及输入域和输出域之间的非局部和空间变化的积分变换，尚未找到有效的神经网络模型。之前尝试通过监督学习解决此类问题依赖于强力全连接网络，并将其应用于重建$128^4$系统矩阵大小。这实际上不能缩放到现实的数据大小，例如三维数据集的$512^4$和$512^6$。在这里，我们提出了一个新的框架，通过将原始问题转换为输入和输出数据之间的连续中间表示来解决深度学习的问题。原始问题被分解为一系列更简单的变换，这些变换可以很好地映射到一个高效的分层网络架构上，其参数比通用网络所需的参数要少。我们将该方法应用于$512^4$系统矩阵大小的计算机断层成像（CT）图像重建。据我们所知，这使得第一个数据驱动的DL求解器能够用于全尺寸CT重建，而不依赖于直接（分析）或迭代（数值）反演技术的结构。所提出的方法是适用于其他成像问题，如发射和磁共振重建。更广泛地说，分层DL打开了一扇大门，一类新的求解器的一般逆问题，这可能会导致改善信噪比，空间分辨率和计算效率在各个领域。
2019-12-16 cs.CV cs.LG eess.IV
Tomographic reconstruction to detect evolving structures
IIT Bombay（印度理工学院孟买分校）；Monash University（莫纳什大学）；IITB-Monash Research Academy（印度理工学院孟买分校-莫纳什大学研究院）
当测量过程可能有害、需要快速或不经济时，需要从稀疏测量进行断层摄影重建。在这种情况下，来自相同对象的先前纵向扫描的信息有助于重建当前对象，同时需要显著更少的更新测量。我们的工作是基于纵向数据采集方案，我们希望研究随着时间的推移，在一个对象内，如在重复扫描疾病监测，或在断层扫描引导的外科手术过程中演变的新变化。虽然当从大量投影视图获取测量值时这是容易可行的，但是当视图的数量有限时这是具有挑战性的。如果目标是跟踪变化，同时减少子采样伪影，我们建议（1）从少量视图中获取测量值，并使用全局未加权的基于先验的重建。如果目标是观察新变化的细节，我们建议（2）从适量的视图中获取测量值并使用更复杂的重建例程。我们表明，在后一种情况下，加权技术是必要的，以防止先前的不利影响重建的新结构是不存在的任何早期扫描。新区域的重建是保障从偏见的先验通过计算区域的权重，缓和的局部影响的先验。因此，我们能够在测试中有效地重建旧结构和新结构。除了模拟数据上的测试，我们已经验证了我们的方法对真实的断层数据的有效性。结果表明，使用未加权和加权先验在不同的情况下。
2019-09-11 cs.CV eess.IV
Feature reconstruction from incomplete tomographic data without detour
University of Innsbruck（因斯布鲁克大学）
在本文中，我们考虑的问题，从不完整的X射线CT数据的特征重建。出现这样的问题，例如，这是由于在背景医学成像中剂量减少的结果。由于从不完整的数据进行图像重建是严重不适定的问题，因此重建的图像可能遭受特征伪影或丢失的特征，并且显著地使随后的图像处理任务复杂化（例如，边缘检测或分割）。在本文中，我们介绍了一种新的框架，直接从CT数据的卷积图像特征的鲁棒重建，而不需要计算重建第一。在我们的框架内，我们使用非线性（变分）正则化方法，可以适应各种特征重建任务和几个有限的数据情况。在我们的数值实验中，我们考虑了几个实例的边缘重建角度欠采样数据，并表明我们的方法是能够可靠地重建特征图在这种情况下。
2022-02-22 cs.CV cs.NA eess.IV
Noise- and Outlier-Resistant Tomographic Reconstruction under Unknown Viewing Parameters
在本文中，我们提出了一种算法，有效地重建一个对象从一组其断层投影没有任何知识的观察方向或任何先验结构信息，在存在的病理量的噪声，未知的位移的投影，和离群值。我们引入了一种新的统计动机的管道，首先处理的投影，然后获得的方向和位移的初始估计，并最终执行一个细化过程，以获得最终的重建。即使在存在高噪声方差（高达（无噪声）投影的平均值的$50\%$）和存在异常值的情况下，我们也能够成功地重建对象。我们还提供了有趣的经验比较，我们的方法与流行的基于稀疏的优化程序，已被用于早期的图像重建任务。
2019-06-11 eess.IV
Noise-resilient approach for deep tomographic imaging
Massachusetts Institute of Technology（麻省理工学院）；qiTech, Inc.（qiTech公司）
本文提出了一种抗噪声的X射线层析成像深度重建算法。我们的方法显示出强大的抗噪能力，而无需获得嘈杂的训练样本。我们的框架的优点可以进一步实现低光子断层成像。
2022-11-22 cs.CV eess.IV
Accelerated Alternating Minimization for X-ray Tomographic Reconstruction
虽然计算机断层扫描（CT）图像可以帮助检测Covid-19等疾病，但常规CT机体积大且价格昂贵。更便宜和更便携的机器遭受几何采集中的误差，这降低了CT图像质量。几何误差可以用图像重建数学模型中的参数来表示。为了获得一个好的图像，我们制定了一个非线性最小二乘问题，同时重建图像和纠正几何参数中的错误。我们开发了一个加速的交替最小化方案来重建图像和几何参数。
2021-08-02 cs.NA eess.IV math.NA
Noise- and Outlier-Resistant Tomographic Reconstruction under Unknown Viewing Parameters
在本文中，我们提出了一种算法，用于有效地重建一个对象从一组其断层投影没有任何知识的观察方向或任何先验结构信息，在存在的病理量的噪声，未知的位移的投影，和异常值之间的投影。异常值主要是与感兴趣的对象相比完全不同的对象的多个投影的形式。我们介绍了一种新的方法，首先处理的投影，然后获得的方向和移位的初始估计，然后定义一个细化过程，以获得最终的重建。即使在存在高噪声方差（高达（无噪声）投影的平均值的$50\%$）和存在异常值的情况下，我们也能够成功地重建对象。我们还提供了有趣的经验比较，我们的方法与稀疏性为基础的优化程序，已被用于图像重建任务。
2018-11-12 eess.IV
Accelerated iterative tomographic reconstruction with x-ray edge illumination
与标准的层析重建相比，迭代方法提供了考虑无关实验影响的可能性，这允许抑制相关伪影。然而，在迭代正演模型中包含相应的参数通常会导致更长的计算时间。在这里，我们证明实验的相位敏感的X射线成像的基础上的边缘照明的原则，不充分采样的照明曲线的结果在断层重建环伪影。相反，我们利用适当采样的照明曲线，这使我们能够从正向模型中消除相应的参数，并大大提高计算速度。此外，我们证明了一个30%的空间分辨率的迭代方法相比，标准的非迭代Single Shot的方法。此外，我们报告了我们的迭代方法的数值实现中的几个重大改进，我们在网上提供这份出版物。最后，我们表明，实验和算法的进步相结合，导致总速度增加一个数量级和改善的对比度，在重建的噪声比。
2022-02-17 cond-mat.mtrl-sci eess.IV physics.med-ph
Domain independent post-processing with graph U-nets: Applications to Electrical Impedance Tomographic Imaging
Marquette University（马凯特大学）；University of Oulu（奥卢大学）；University College London（伦敦大学学院）
本研究提出一种基于图U-Net的域无关后处理方法，用于电阻抗断层成像，通过将有限元网格转换为图并引入簇池化，实现灵活几何下的重建改进，且能跨域泛化。
2023-05-08 cs.LG eess.IV
DiffNR: Diffusion-Enhanced Neural Representation Optimization for Sparse-View 3D Tomographic Reconstruction
Monash University（莫纳什大学）；The Australian National University（澳大利亚国立大学）；Hong Kong Polytechnic University（香港理工大学）
DiffNR通过引入扩散先验改进神经表示优化，解决稀疏视图下CT成像的严重伪影问题，提升PSNR并保持高效优化。
2026-04-23 cs.CV eess.IV
An Adversarial Learning Based Approach for Unknown View Tomographic Reconstruction
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
2D断层重建的目标是恢复给定其从各种视图的投影的图像。通常假定与投影相关联的投影角度是预先已知的。然而，在某些情况下，这些角度仅近似已知或完全未知。从随机投影的集合中重建图像变得更具挑战性。我们提出了一种基于对抗学习的方法，通过将测量的经验分布与生成的数据相匹配来恢复图像和投影角度分布。通过求解基于Wasserstein生成对抗网络结构的生成器和批评者之间的最小-最大博弈来拟合分布。为了适应通过梯度反向传播的投影角分布的更新，我们使用离散分布的样本的Gumbel-Softmax重新参数化来近似损失。我们的理论分析验证了唯一的恢复图像和投影分布的旋转和反射时收敛。我们广泛的数值实验展示了我们的方法的潜力，准确地恢复图像和投影角分布的噪声污染。
2021-11-15 cs.LG eess.IV eess.SP
On electron imaging of small molecules, Part II: tomographic reconstruction from defocus series
提出了一种利用三维图像模式匹配的实用方法，该方法原则上能够从仅在分子的几个不同角取向处收集的散焦系列中明确地确定小分子中原子的类型和位置。该方法的数值试验，提出了使用multislice计算的散焦系列的小生物分子。所提出的技术可以在未来从贝叶斯或机器学习方法中获益，并且可能在低温电子显微镜中有用。
2019-11-28 eess.IV physics.optics
Convolutional Dictionary Regularizers for Tomographic Inversion
利用数据驱动的正则化器求解与计算成像系统相关的逆问题，已经引起了越来越多的关注。卷积稀疏表示模型最近受到关注，这是由于开发了快速算法来解决足够大的图像和数据集的字典学习和稀疏编码问题。然而，这个模型已经看到非常有限的应用断层重建问题。在本文中，我们提出了一种基于模型的层析重建算法，使用学习卷积字典作为正则化。关键的贡献是使用数据相关的加权方案的l1正则化，构建一个有效的去噪方法，集成到反演使用即插即用重建框架。使用模拟数据集，我们证明了我们的方法可以提高性能，传统的正则化的基础上的马尔可夫随机场模型和基于补丁的稀疏表示模型的稀疏和有限的视图断层数据集。
2019-02-18 eess.IV
Total Variation Regularization for Tomographic Reconstruction of Cylindrically Symmetric Objects
本文提出一种在柱坐标下运行的全变分正则化变体，利用实验中固有的柱对称性，解决闪光X射线CT中视角稀疏问题，实现高质量断层重建。
2024-06-25 eess.IV
Discretized Gaussian Representation for Tomographic Reconstruction
Shanghai Jiao Tong University（上海交通大学）；National University of Singapore（新加坡国立大学）；Yale University（耶鲁大学）；Suzhou Xiangcheng People’s Hospital（苏州相城人民医院）
针对CT重建中质量与效率难以平衡的问题，提出离散化高斯表示框架，结合高度并行化的快速容积重建技术，在多类场景中实现了更优的重建效果与运行性能。
2025-10-22 cs.CV eess.IV
Tomographic Foundation Model -- FORCE: Flow-Oriented Reconstruction Conditioning Engine
Department of Biomedical Engineering, School of Engineering, Rensselaer Polytechnic Institute（生物医学工程系，工程学院，伦斯勒理工学院）
本文提出FORCE框架，将数据保真度与泊松流生成模型PFGM/PFGM++结合，用于解决低剂量、稀疏视角和金属植入物等CT重建中的噪声与伪影问题，并在多种任务中优于现有无监督方法。
2025-06-02 cs.LG eess.IV eess.SP
Fast reconstruction of tensor tomographic X-ray scattering data for real-time applications
Leiden Institute of Advanced Computer Science, Universiteit Leiden（莱顿大学高级计算机科学研究院）
研究针对X射线散射张量断层扫描重建慢限制实时应用的问题，引入扩展的直接重建方法，通过特定步骤计算代数滤波器，经模拟和实验验证，该方法能大幅减少计算时间，实现快速重建，为实时散射成像等应用提供可能。
2026-07-22 cs.NA eess.IV math.NA
Deep learning based dictionary learning and tomographic image reconstruction
KTH Royal Institute of Technology（瑞典皇家理工学院）；Philips Research（飞利浦研究院）
本文提出一种结合稀疏信号处理与深度学习的临床低剂量层析图像重建方法，将字典学习解释为分布对齐过程并证明其类似变分自编码器，在CT重建中取得与先进方法相当的竞争力。
2021-08-26 cs.CV cs.LG cs.NE
R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction
The Australian National University（澳大利亚国立大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Robotics Institute, University of Technology Sydney（悉尼科技大学机器人研究所）
本文提出首个基于 3DGS 的稀疏视角 CT 重建框架 R$^2$-Gaussian，通过校正 X 射线光栅化中的积分偏差并配合定制高斯核与 CUDA 可微体素化器，实现比 NeRF 快 12 倍且精度领先的重建。
2024-10-27 cs.CV eess.IV
Quantum Supremacy in Tomographic Imaging: Advances in Quantum Tomography Algorithms
本研究通过减少投影角度并增强抗伪影鲁棒性，验证了量子优化算法在断层重建中超越经典方法的量子霸权，实现了在50%投影角度和50%正弦图误差下仍能精确重建无伪影图像。
2025-02-07 eess.IV quant-ph
Deep learning-enabled image quality control in tomographic reconstruction: Robust optical diffraction tomography
在断层摄影重建中，重建图像的图像质量可能由于测量的二维（2D）原始图像数据中的缺陷而显著降低。尽管筛选有缺陷的2D图像的重要性，强大的断层重建，人工检查和基于规则的自动化遭受低吞吐量和准确性不足，分别。在这里，我们提出了基于深度学习的全息数据质量控制，以产生鲁棒和高吞吐量的光学衍射断层扫描（ODT）。其关键思想是将专家的知识提取到深度卷积神经网络中。我们建立了一个广泛的光场图像数据库，其中包含干净/嘈杂的注释，然后根据数据训练了一个二进制分类网络。经过训练的网络优于非专家用户的视觉检查和广泛使用的基于规则的算法，测试准确率> 90%。随后，我们证实，优越的筛选性能显着提高断层图像的质量。为了进一步确认训练模型的性能和可推广性，我们对使用未用于生成训练数据集的设置获得的看不见的生物细胞数据进行了评估。最后，我们使用各种可视化技术解释训练模型，这些技术提供了每个模型推理的显着性图。
2019-03-05 eess.IV physics.optics
Maximum entropy based non-negative optoacoustic tomographic image reconstruction
Institute of Biological and Medical Imaging, Helmholtz Zentrum Munich（慕尼黑亥姆霍兹中心生物与医学成像研究所）；Technical University Munich（慕尼黑工业大学）
目的：光声层析成像技术旨在重建生物组织中光脉冲吸收所引起的初始压力升高的图像。在实际应用中，由于正演模型中的假设不准确、噪声等实验因素，图像常常受到伪影的影响，有时表现为负值。本工作的目的是开发一种反演方法，减少负值的出现，提高光声成像的定量性能。研究方法：我们提出了一种基于熵最大化算法的光声层析成像新方法，该方法使用对数正则化来实现非负重建。使用基于结构先验的注量校正进一步改善重建图像质量。结果：我们报告的性能实现的熵最大化方案的数值模拟，实验体模和体内样品。结论：所提出的算法通过提供非负像素值而没有可见的解剖结构失真来展示优越的重建性能。重要性：我们的方法可以实现定量光声成像，并有可能改善临床前和平移成像应用。
2019-01-12 cs.CV eess.IV physics.med-ph
Tomographic Model Based Iterative Reconstruction of Symmetric Objects
针对锥束CT几何下传统Abel变换重建对称物体易产生伪影的问题，开发了基于模型迭代重建（MBIR）的方法，能从任意对称轴有效重建对称物体，显著减轻伪影和噪声并保留精细特征。
2024-10-13 cs.MS eess.IV physics.med-ph
The hybrid approach -- Convolutional Neural Networks and Expectation Maximization Algorithm -- for Tomographic Reconstruction of Hyperspectral Images
University of Southern Denmark（南丹麦大学）；Newtec Engineering A/S（Newtec工程公司）；Mads Clausen Institute（马德斯·克劳森研究所）
我们提出了一种简单但新颖的混合方法，从计算机断层扫描成像光谱（CTIS）图像，依次结合神经网络和迭代期望最大化（EM）算法的高光谱数据立方体重建。我们训练和测试的能力的方法来重建数据立方体的$100\times100\times25$和$100\times100\times100$体素，对应于25和100光谱通道，从模拟CTIS图像由我们的CTIS模拟器生成。混合方法利用卷积神经网络（CNN）关于噪声的固有强度及其产生一致重建的能力，并利用EM算法在没有训练的情况下推广到任何对象的光谱图像的能力。对于25通道和100通道的情况，混合方法对于可见（包括在CNN训练中）和不可见（从CNN训练中排除）立方体实现了比CNN和EM单独更好的性能。对于25个光谱通道，从CNN到混合模型（CNN + EM）在均方误差方面的改进在14- 26%之间。对于100个频谱通道，实现了19-40%之间的改进，对于CNN在训练期间没有暴露的看不见的数据，最大改进为40%。
2022-12-19 cs.CV eess.IV
Accurate, provable and fast polychromatic tomographic reconstruction: A variational inequality approach
Georgia Institute of Technology, School of Industrial and Systems Engineering（佐治亚理工学院工业与系统工程学院）；University of Southern California, Department of Data Sciences and Operations（南加州大学数据科学与运营系）
本文提出了一种基于变分不等式的EXACT算法，用于多色断层成像重建，证明了其在统计和计算性能上的优势，并展示了其在实际应用中的高效性。
2026-02-11 cs.LG eess.IV math.OC
Deep Learning-Based Reconstruction of Interventional Tools from Four X-Ray Projections for Tomographic Interventional Guidance
微创介入的图像引导通常通过使用C型臂系统采集荧光透视图像来执行。然而，投影数据仅提供关于诸如支架、导丝或线圈的介入工具的空间结构和位置的有限信息。在这项工作中，我们提出了一个基于深度学习的管道，用于在可接受的剂量水平下进行实时断层扫描（四维）介入引导。在第一步中，使用深度卷积神经网络（CNN）从四个锥束CT投影中提取介入工具。然后，这些投影被重建并被馈送到第二CNN中，第二CNN将这种高度欠采样的重建映射到介入工具的分割。我们的管道能够仅从四个X射线投影重建介入工具，而无需患者事先提供非常高的准确度。因此，所提出的方法能够克服当今介入引导的缺点，并且能够通过提供关于介入工具的完整时空信息来开发新的微创放射介入。
2021-11-24 eess.IV physics.med-ph
Dynamic Compressed Sensing for Real-Time Tomographic Reconstruction
随着压缩传感技术的最新进展，电子断层扫描在减少剂量的情况下实现了更高的分辨率和质量。压缩感知（CS）理论利用固有的稀疏信号结构，从欠采样测量中有效地重建纳米级的三维（3D）体积。然而，该过程的计算时间从几个小时到几天，使3D重建成为瓶颈。在这里，我们展示了一个动态压缩传感的框架，产生一个3D的标本结构，实时更新新的标本投影收集。研究人员可以在收集数据时开始解释3D标本，以促进高通量和交互式分析。使用扫描透射电子显微镜（STEM），我们表明，动态压缩传感加快收敛速度的3倍，同时也减少了27%的Au/SrTiO 3纳米粒子试样的误差。在断层扫描实验完成之前，3D断层图像在完成的33%内具有可解释的结构，并且早在66%时就可以看到精细的细节。实验完成后，立即生成高保真3D可视化。此外，可以在整个计算过程中操纵调整数据保真度的重建参数，而无需重新运行整个过程。
2020-05-04 cond-mat.mtrl-sci cs.DC eess.IV
Two-Dimensional Tomographic Reconstruction From Projections With Unknown Angles and Unknown Spatial Shifts
本文提出了一种能够处理未知角度和未知空间位移的二维断层成像方法，通过改进现有算法并结合三向交替最小化算法，实现了更优的重建效果。
2025-12-22 eess.IV
Photo-acoustic tomographic image reconstruction from reduced data using physically inspired regularization
我们提出了一种基于模型的图像重建方法的光声层析成像（PAT），涉及一种新的形式的正则化，并证明其能够从显着减少大小的数据集恢复高质量的图像。正则化构造，以适应典型PAT图像的物理结构。我们通过将二阶导数和强度组合成非凸形式来构建它，以利用我们观察到的PAT图像的结构特性：在PAT图像中，高强度和高二阶导数是联合稀疏的。这里构造的正则化的具体形式是针对荧光图像恢复提出的形式的修改。该正则化与数据保真度成本相结合，并且所需的图像被获得为该成本的最小值。由于这种正则化是非凸的，因此最小化方法的效率对于获得无伪影重建至关重要。我们开发了一种自定义最小化方法来有效地处理这个非凸最小化问题。此外，由于非凸最小化需要大量的迭代和PAT前向模型中的数据保真度项必须在迭代中应用，我们提出了一种计算结构，用于有效地实现前向模型，减少内存需求。我们评估所提出的方法在模拟和真实测量数据集，并比较它们与最近的重建方法，是基于一个著名的快速迭代收缩阈值算法（FISTA）。
2020-12-28 eess.IV
Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning
Massachusetts Institute of Technology（麻省理工学院）；Singapore-MIT Alliance for Research and Technology (SMART) Centre（新加坡-麻省理工研究与技术联盟（SMART）中心）；Omnisens SA（奥姆尼森斯公司）
针对强散射准透明物体有限角度层析成像的不适定问题，提出将多角度成像类比为动态系统的思路，设计了以SC-GRU为核心的RNN架构，相比静态方法实现了更少伪影、更高保真度的重建。
2020-07-21 cs.LG eess.IV physics.optics
Fast tomographic inspection of cylindrical objects
本文提出了一种改进的方法，分析对象的轴对称使用X射线计算机断层扫描（CT）。圆柱坐标轴固定到对象形成最自然的基础来检查对象的某些特性，包含这种对称性，经常发生与工业零件。采样网格对应于对象，允许下采样，从而减少重建时间。这对于在线应用和快速质量检测是必要的。通过代数重建，它允许使用预先计算的初始体积，非常适合一系列扫描，其中相同类型的对象可以具有不同的位置和方向，这在工业环境中经常遇到。当一些区域更可能发生变化时，也可以包括加权反投影，以提高稳定性。建立在笛卡尔网格重建代码，重复使用现有的光线跟踪器的可行性检查对其他研究在同一领域。
2020-05-25 eess.IV
Generalized Ray Tracing with Basis functions for Tomographic Projections
本文提出一种基于广义基函数和射线追踪的层析投影计算方法，适用于任意投影几何，并通过逆问题实验验证了其在图像重建中的精度与效率。
2025-09-12 eess.IV
A Unified Frequency-Domain Model for Cascaded Filter-Interpolation Modulation in Tomographic Reconstruction
Shandong Normal University（山东师范大学）
本文提出统一频域模型，将滤波反投影中的滤波与插值视为级联调制，经模拟与同步辐射CT实验验证，可预测分辨率与保真度，为算法选择提供物理基础。
2026-09-25 eess.IV physics.optics
Tensorial tomographic Fourier Ptychography with applications to muscle tissue imaging
本研究提出新型无标记层析成像方法ToFu，基于傅里叶叠层成像结合光矢量特性，通过偏振测量恢复各向异性样本介电张量，可三维成像定量相位与各向异性信息，在肌纤维和病变心脏组织成像中验证了有效性，为心脏淀粉样变性检测提供支持。
2023-05-14 eess.IV physics.optics
Fast Hyperspectral Neutron Tomography
本文提出两种基于子空间分解的快速算法，用于高光谱中子断层重建与材料分解，显著减少计算时间并提升图像质量。
2025-05-23 eess.IV eess.SP
