Primal-Dual UNet for Sparse View Cone Beam Computed Tomography Volume Reconstruction
University of Magdeburg(马格德堡大学)
在本文中,原始-双重UNet稀疏视图CT重建修改适用于锥束投影和执行重建的整个体积,而不是切片。实验结果表明,在仅使用23个投影的情况下,该方法的PSNR比直接FDK重建提高了10 dB,比改进的原始-对偶网络提高了近3dB。所提出的网络不是优化的wrt。存储器消耗或超参数,而仅仅用作概念的证明,并且限于低分辨率投影和体积。
2022-05-11 cs.CV cs.LG eess.IV
Masked Sinogram Model with Transformer for ill-Posed Computed Tomography Reconstruction: a Preliminary Study
Argonne National Laboratory(阿贡国家实验室)
计算机断层扫描(CT)是一种成像技术,其中以不同角度收集有关对象的信息(称为投影或扫描)。然后,通过求解逆问题来产生示出切片的内部结构的横截面图像。由于受到辐射剂量、投影角度等因素的限制,所产生的图像可能存在噪声或包含伪影。受自然语言处理Transformer成功的启发,本初步研究的核心思想是将断层扫描的投影视为单词标记,并将横截面的整个扫描(A.K.A. sinogram)作为自然语言处理上下文中的句子。然后,我们通过训练掩蔽的正弦图模型(MSM)和微调MSM来探索基础模型的想法,以用于各种下游应用,包括在数据收集限制下的CT重建(例如,光子预算)和用于CT重建的逆问题的近似解的数据驱动解。本研究中使用的模型和数据可在https://github.com/lzhengchun/TomoTx上获得。
2022-09-03 cs.CV cs.LG eess.IV
Benchmarking learned algorithms for computed tomography image reconstruction tasks
Centrum Wiskunde & Informatica(数学和计算机科学中心);University of Cambridge(剑桥大学);Leiden University(莱顿大学)
针对CT图像重建学习算法缺乏统一对比基准的问题,研究基于2DeteCT数据集构建四类学习型重建算法基准测试框架,评估了多类算法在不同重建任务上的性能,并开源可复现工具箱助力后续方法拓展。
2024-12-11 cs.CV cs.LG eess.IV
Simulator-Based Self-Supervision for Learned 3D Tomography Reconstruction
Aalto University(阿尔托大学);NVIDIA(英伟达);NVIDIA Research(英伟达研究院)
本文提出一种基于快速可微CT模拟器的自监督深度学习方法,仅用含噪二维X射线数据即可实现低剂量螺旋锥束CT三维重建,在视觉保真度和PSNR上优于依赖参考重建的方法,且重建速度远快于迭代技术。
2023-05-26 cs.CV cs.LG cs.NE
Fast and robust reconstruction algorithm for fluorescence diffuse optical tomography assuming a cuboid target
提出了一种快速、鲁棒的荧光漫射光学层析算法。我们通过假设长方体来识别荧光目标的位置。数值实验和活体实验验证了所提出的数值方法。
2019-03-01 eess.IV physics.optics
Simultaneous reconstruction of the initial pressure and sound speed in photoacoustic tomography using a deep-learning approach
Rensselaer Polytechnic Institute(伦斯勒理工学院);Michigan State University(密歇根州立大学)
光声层析成像试图从超声波波形的测量重建声学初始压力分布。传统的方法假设声速分布的先验知识,这实际上是未知的。回避该问题的单向式方法是同时重建声学初始压力和速度。在本文中,我们开发了一种新的数据驱动方法,通过基于模型的迭代集成了高级深度神经网络。在数值模拟中,初始压力的图像得到了显著的改善。
2019-09-13 cs.LG eess.IV
Image-to-Image Translation with Generative Adversarial Network for Electrical Resistance Tomography Reconstruction
本研究利用Pix2Pix GAN提升电导率断层成像的图像重建质量,通过改进的算法提高定量和定性指标,实现更清晰的图像重建效果。
2025-12-21 eess.IV
Score-Based Diffusion Models for Photoacoustic Tomography Image Reconstruction
California Institute of Technology(加州理工学院)
本文提出使用基于分数的扩散模型解决光声断层成像中因传感器覆盖或换能器阵列密度不足导致的不适定逆重建问题,利用在模拟血管结构上学习的表达性先验,实现对不同换能器稀疏条件的鲁棒重建。
2024-03-30 cs.CV cs.LG eess.IV
Total variation-based reconstruction and phase retrieval for diffraction tomography
在光学衍射层析成像(ODT)中,通过一系列相干光的照射,可以恢复围绕其中心旋转的微观物体的三维散射势。诸如滤波反向传播的重建算法需要测量平面处的复值波的知识,而通常仅需要强度,即,无相位测量在实践中是可用的。我们提出了一种新的重建方法的ODT与未知的相位信息的基础上的三个关键成分。首先,光的传播模型使用玻恩近似,使我们能够使用傅里叶衍射定理。其次,我们通过利用原始-对偶迭代的全变差正则化来稳定非均匀离散傅里叶变换的反演,这也产生了一个新的具有已知相位的ODT的数值反演公式。第三个要素是混合投入产出计划。我们取得了令人信服的数值结果,这表明无相位数据的ODT是可能的。如此获得的2D和3D重建甚至可以与具有已知相位的重建相媲美。
2022-06-01 cs.NA eess.IV math.NA
Limited-Angle Tomography Reconstruction via Deep End-To-End Learning on Synthetic Data
Heinrich Heine University Düsseldorf(杜塞尔多夫海因里希·海涅大学);Technical University of Dortmund(多特蒙德工业大学)
针对有限角度下CT图像重建的病态问题,提出基于大量合成数据训练的深度神经网络,实现仅用30°或40°正弦图的高质量重建,并赢得Helsinki Tomography Challenge 2022第一名。
2023-09-13 cs.CV eess.IV
DensePANet: An improved generative adversarial network for photoacoustic tomography image reconstruction from sparse data
Shiraz University(设拉子大学)
针对光声层析成像稀疏数据重建易产生伪影的问题,提出基于FD-UNet++生成器的端到端生成对抗网络DensePANet,在体内与模拟数据集上表现优于其他主流深度学习技术。
2024-04-19 cs.AI cs.CV cs.LG
A Data-Driven Reconstruction Technique based on Newton's Method for Emission Tomography
University of Luxembourg(卢森堡大学)
在这项工作中,我们提出了深度牛顿重建网络(DNR网络),一种混合数据驱动的发射断层扫描重建技术的灵感来自牛顿的方法,一个著名的迭代优化算法。DNR网络采用投影算子提供的关于断层摄影问题的先验信息,同时利用深度学习方法来a)通过近似牛顿下降方向来模仿牛顿方法,以及b)提供数据驱动的正则化。我们证明,DNR网络是能够提供高质量的图像重建使用SPECT体模模拟的数据,通过应用它来重建图像从嘈杂的正弦图,每一个包含24个投影。采用结构相似性指数(SSIM)和对比噪声比(CNR)对图像质量进行量化。我们还比较了我们的结果,通过OSEM方法获得的结果。根据定量结果,DNR-Net产生的重建与OSEM产生的重建相当,同时具有更高的对比度和更少的噪声。
2021-10-19 cs.AI cs.CV cs.LG
RESIRE: real space iterative reconstruction engine for Tomography
层析成像对不同领域产生了革命性的影响,从生物学、放射学、等离子体物理学中的宏观/介观尺度研究到材料科学中的3D原子结构表征。断层扫描的基本原理是从一组2D投影重建3D对象。为了解决层析成像问题,已经开发了许多算法。其中包括使用变换技术的方法,例如基于Radon变换的计算机断层扫描(CT)和基于傅里叶切片定理(FST)的广义傅里叶迭代重建(GENFIRE),以及使用梯度下降和代数技术的同步迭代重建技术(SIRT)和同步代数重建技术(SART)等直接法。本文将傅立叶切片定理和变分法相结合,提出了一种混合梯度下降算法来求解层析成像问题。通过使用模拟和实验数据,我们表明,国家的最先进的RESIRE可以产生更优越的结果比以前的方法,重建的对象具有更高的质量和更小的相对误差。更重要的是,RESIRE可以严格地处理部分遮挡投影,其中仅提供部分投影信息,而其他方法则失败。我们预计RESICE不仅将提高重建质量在所有现有的层析成像应用,但也扩大层析成像方法的功能薄膜的广泛类别。我们希望RESICE能在不同的学科中找到广泛的应用。
2020-04-25 eess.IV math.OC
A joint reconstruction and lambda tomography regularization technique for energy-resolved X-ray imaging
在这里,我们提出了新的联合重建和正则化技术,灵感来自微局部分析和λ层析成像的想法,用于同时重建X射线透射的衰减系数和电子密度(即,X射线CT)和反向散射数据(假设主要是康普顿散射)。为了证明我们的理论和重建方法,我们考虑Webber和Miller的“平行线段”采集几何(“Compton scattering tomography in translational geometry.“逆问题36,第2号(2020):025007),这是由目前正在开发的机场安检系统架构的动机。我们首先提出了一种新的微局部分析的平行线的几何形状,它解释了图像伪影的性质时,分别重建的衰减系数和电子密度。接下来,我们将介绍一种新的联合重建方案,低效率$Z$(原子序数)成像($Z<20$),其特征在于由正则化策略,其结构是来自λ层析成像原理和直接由微局部分析结果的动机。最后,我们证明了我们的方法在打击噪声和图像伪影模拟幻影的有效性。
2020-04-07 eess.IV math.FA
Conditional Normalizing Flows for Low-Dose Computed Tomography Image Reconstruction
计算机断层扫描(CT)测量数据的图像重建是一个具有挑战性的统计逆问题,因为需要估计高维条件分布。基于从高质量重建获得的训练数据,我们的目标是从嘈杂的低剂量CT测量中学习图像的条件密度。为了解决这个问题,我们提出了一个混合的条件归一化流,它集成的物理模型,使用过滤反投影作为条件。我们在低剂量CT基准上评估了我们的方法,并与其他基于深度学习的方法相比,在基于流的方法的结构相似性方面表现出优异的性能。
2020-06-11 eess.IV
Semantic contrastive learning for orthogonal X-ray computed tomography reconstruction
Hangzhou International Innovation Institute, Beihang University(北京航空航天大学杭州国际创新研究院);School of Physics, Beihang University(北京航空航天大学物理学院);Peking University Third Hospital(北京大学第三医院);Tianmushan Laboratory(天目山实验室)
本文提出一种基于语义对比学习的正交CT重建方法,通过三阶段U-Net架构提升重建质量与效率,实现高质量图像与低计算复杂度的平衡。
2025-12-27 cs.CV eess.IV physics.med-ph
Deep Learning-based Low-dose Tomography Reconstruction with Hybrid-dose Measurements
同步辐射X射线计算机断层扫描技术是一种高空间分辨率的X射线断层扫描技术。然而,潜在的束损伤的样品往往限制了X射线曝光在层析成像实验。提出的消除光束损伤的策略也会降低重建质量。在这里,我们提出了一种基于深度学习的方法,通过由极稀疏视图正常剂量投影和全视图低剂量投影组成的混合剂量采集策略来增强低剂量断层扫描重建。从低/正常剂量投影中提取相应的图像对,以训练深度卷积神经网络,然后将其应用于增强全视图噪声低剂量投影。在不同的混合剂量采集条件下的两个实验数据集的评价显示显着改善的结构细节和降低噪声水平相比,均匀分布的收购具有相同数量的总剂量。由此产生的重建也保留更多的结构信息比重建处理与传统的分析和正则化为基础的迭代重建方法从统一的收购。我们的性能比较表明,我们的实现HDrec可以比最先进的Xlearn方法快410倍地对真实世界的实验数据进行去噪,同时提供更好的质量。该框架可以应用于其他断层扫描或扫描为基础的X射线成像技术,用于增强剂量敏感样品的分析,并具有很大的潜力,研究快速的动态过程。
2020-09-28 eess.IV
Fast Hyperspectral Reconstruction for Neutron Computed Tomography Using Subspace Extraction
提出一种基于子空间提取的快速高光谱中子CT重建算法,通过降维和去噪在低维子空间内重建,再扩展至全谱,相比传统方法减少计算并提升质量。
2025-01-23 eess.IV eess.SP
SAR Focused Microwave Reflection Tomography for Biomedical Imaging
本文提出了合成孔径雷达和微波反射层析成像相结合的生物医学成像应用。所提出的方法可以实现小于5mm的精度,并且在重建过程中不会出现不稳定。采用基于傅立叶的重建,这使得它快速和计算效率。
2018-04-28 eess.IV physics.med-ph
Deep Image Prior for Computed Tomography Reconstruction
University College London(伦敦大学学院)
本文提出了一种无需大规模数据集的深度图像先验方法,用于提升计算机断层扫描图像重建的效率与鲁棒性。
2026-02-23 eess.IV
Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data
UT-Battelle(UT-巴特尔)
本文提出DINR方法,通过扩散先验正则化INR,实现中子CT数据的高质量3D重建,提升稀疏视图下的重建性能和图像质量。
2026-03-11 eess.IV
Dynamic Tomography Reconstruction by Projection-Domain Separable Modeling
针对动态断层成像中投影不一致、无法直接重建单时刻对象的问题,分析不适定逆问题的唯一稳定解条件,提出投影域可分离建模的恢复算法,实验验证其优于基于GMLR变体视频深度先验的方法。
2022-06-04 eess.IV eess.SP
Computed tomography medical image reconstruction on affordable equipment by using out-of-core techniques
由于计算机断层扫描(CT)扫描是一项必不可少的医学测试,因此已经提出了许多技术来使用较少量的辐射重建高质量的图像。一种方法是采用代数因式分解方法来重建图像,使用比传统的分析方法更少的视图。然而,它们的主要缺点是计算成本高,因此需要时间来获得图像,这在日常临床实践中是至关重要的。因此,需要更快的方法来解决这个问题。在本文中,我们提出了一种新的重建方法的基础上的QR分解,是非常有效的负担得起的设备(标准的多核处理器和标准的固态驱动器),通过使用外的核心技术。结合经济实惠的硬件和新的软件,我们可以提高重建的性能,并实现一种可靠和有竞争力的方法,快速重建高质量的CT图像。
2019-06-27 cs.DC eess.IV
Using Spatial Diffusions for Optoacoustic Tomography Image Reconstruction
本文提出利用条件扩散模型与自编码器生成潜在表示,以延时求和初始重建结果为条件,提升光声断层成像重建质量并恢复细节。
2024-11-08 eess.IV
Beyond multi-view deconvolution for inherently-aligned fluorescence tomography
在多视图荧光显微镜中,每个角度采集都需要小心对准,以获得最佳的体积重建。在这里,相反,我们提出了一个整洁的协议的基础上自相关反演,直接导致形成固有的对齐断层扫描。我们的方法生成锐利的重建,具有相同的精度达到亚像素对齐后,但改进的点扩散函数。该过程可以与反卷积同时执行,进一步提高重建分辨率。
2021-02-15 eess.IV physics.comp-ph physics.med-ph
Robust reconstruction of fluorescence molecular tomography with an optimized illumination pattern
荧光分子断层成像(FMT)是一种新兴的生物医学研究的有力工具。有两个因素最有效地影响FMT重建。第一个是正则化技术。传统的正则化方法如Tikhonov正则化方法存在分辨率低、信噪比差等问题。因此,稀疏正则化技术已被引入,以提高重建质量。第二个因素是照明模式。更好的照明模式确保数据集的信息内容的数量和质量,从而导致更好的重建。在这项工作中,我们利用离散制定的正问题,给出了严格的定义的照明模式以及容许的模式集。我们在容许集上添加限制作为不同类型的正则化函数,生成另一个未知照明模式的逆问题。重建荧光分布和寻找最佳照明模式的逆问题都是通过快速有效的迭代算法来解决的。数值实验表明,通过适当选择正则化参数,两步方法可以快速收敛到最佳照明模式,并且无论初始照明设置如何,重建结果都得到了显着改善。
2019-10-03 eess.IV
Learned SIRT for Cone Beam Computed Tomography Reconstruction
我们介绍了用于断层重建的同步迭代重建技术(SIRT)。学习的SIRT算法是一种基于深度学习的重建方法,将模型知识与学习的组件相结合。该算法通过将原始测量数据映射到几次迭代的重建结果来训练。学习SIRT算法适用于圆形轨道上的锥形射束几何形状,由于其3D几何形状及其固有的无法完全捕获患者解剖结构,这对于学习方法来说是一个具有挑战性的问题。示出了2D重建的比较,其中与FBP、SIRT和U-网络后处理相比,学习的SIRT方法产生具有优异的峰值信噪比(PSNR)和结构相似性(SSIM)的重建,并且与学习的原始对偶算法相比,具有相似的PSNR和SSIM。对于3D Shepp Logan体模的锥形束几何重建,显示了类似的结果,其中我们获得了9.9和28.1 dB之间的改进,优于FBP,SSIM有很大的改进。最后,我们表明,我们的算法扩展到临床相关的问题,并表现良好,当应用到测量的物理幻影。
2019-08-28 eess.IV math.OC
Crystalline phase discriminating neutron tomography using advanced reconstruction methods
飞行时间中子成像提供了与X射线计算机断层成像(CT)互补的衰减对比度,并且能够从作为图像中每个点(体素)处的中子能量(飞行时间)的函数的衰减变化中提取附加信息。特别地,布拉格边缘位置提供晶体学信息,因此能够直接识别晶相。在这里,我们展示了布拉格边缘层析成像与高空间和光谱分辨率。我们提出了一种新的迭代层析重建方法与定制的正则化项,以实现高质量的重建,从低计数的数据,传统的滤波反投影(FBP)失败。正则化在空间和光谱维度的分离模式中起作用,并且有利于在相应维度中的特征分段常数和分段平滑行为。所提出的方法进行了比较,对FBP和一个国家的最先进的正则化多通道断层扫描的多材料幻影。所提出的新的正则化,它可以容纳特定的图像属性优于传统的和国家的最先进的方法,因此有利于布拉格边缘拟合体素水平。所提出的方法需要显着更短的曝光,以检索感兴趣的功能。这反过来又有利于更有效地利用昂贵的中子束线时间,并使国家的最先进的高分辨率探测器的充分利用。
2021-02-12 eess.IV math.OC physics.med-ph