BriefGPT - AI 论文速递
·
LAMA：用于稀疏视图CT的稳定双域深度重构
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种学习交替最小化算法（LAMA），用于解决计算机断层成像中的逆问题。LAMA结合数据驱动与经典技术，显著提升了重构的准确性和稳定性，实验结果表明其性能优于现有方法。
🎯
关键要点
- 本研究提出了一种学习交替最小化算法（LAMA），用于解决计算机断层成像中的逆问题。
- LAMA结合数据驱动与经典技术，显著提升了重构的准确性和稳定性。
- LAMA使用可学习的正则化器和Nesterov平滑技术，降低网络复杂性。
- 实验结果表明LAMA在多个基准数据集上的性能优于现有方法。
➡️
