本文提出了一种部分学习方法，用于解决具有非线性正演算子的病态反问题。该方法利用经典正则化理论和深度学习的最新进展，通过对反问题的先验信息进行编码的正演算子、噪声模型和正则化函数来进行学习。实验表明，所提出的方法在保证速度的同时，能够在 512 x 512 体积内产生 5.4dB 的 PSNR 提升。

本文介绍了一种利用正则化理论和深度学习的最新进展解决具有非线性正演算子的病态反问题的部分学习方法。实验结果表明，该方法在速度上具有优势，并且能够在512 x 512体积内提高5.4dB的PSNR，相比于FBP和TV重建方法。