BriefGPT - AI 论文速递
·
计算机断层扫描的多阶段深度学习伪影抑制
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
计算机断层扫描（CT）中，通过一组投影图像计算物体内部结构的图像。近年来，深度学习方法在CT造影图像去伪影方面表现出良好结果。我们提出了一种多阶段深度学习伪影去除方法，类似于传统的CT处理流程。实验证明，该方法有效减少伪影，优于基于深度学习的后处理方法。
🎯
关键要点
-
计算机断层扫描（CT）通过投影图像计算物体内部结构的图像。
-
为了提高重建图像质量，通常需要多个去伪影步骤。
-
近年来，深度学习方法在CT造影图像去伪影方面表现良好。
-
大多数现有的CT深度学习方法是在重建后进行后处理，可能无法有效去除伪影。
-
提出了一种多阶段深度学习伪影去除方法，类似于传统CT处理流程。
-
神经网络可以有效地连续训练，实现易用和计算高效。
-
实验结果表明，该方法在减少伪影方面有效，优于基于深度学习的后处理方法。
➡️
