基于深度学习的自由手3D光声与超声重建增强

本研究解决了传统自由手3D光声和超声成像中视野狭窄和准确运动估计的挑战，提出了一种结合全局-局部自注意力模块的运动学习网络（MoGLo-Net）。该方法通过创新的自注意力机制和补丁相关操作，显著提高了3D重建的精确度，并展示了超越现有先进技术的优越性能，拓展了3D重建技术在多种成像模式中的应用潜力。