典型文献
深度学习在有限视角稀疏采样光声图像重建中的应用
文献摘要：
光声成像(Photoacoustic imaging,PAI)是一种多物理场耦合的新型功能成像技术,高质量图像重建是提高成像精度的关键.当探测器采集的光声信号数据不完备时,若采用标准重建方法(如反投影、时间反演和延迟求和等)会导致图像质量以及成像深度的下降.迭代重建算法可在一定程度上解决此问题,但存在计算成本高、需合理选择正则化方法等缺点.近年来,深度学习已经成为医学成像领域的首选方法,其在高效率重建高质量图像方面展现出了巨大潜力.本文对深度学习在有限角度稀疏采样光声图像重建中的应用进展进行总结,对主要方法进行分类归纳,并讨论不同方法的优势和不足.
文献关键词：
光声成像;图像重建;深度学习;卷积神经网络;迭代策略;非迭代策略
中图分类号：
作者姓名：
孙正;候英飒
作者机构：
华北电力大学电子与通信工程系,保定 071003;华北电力大学河北省电力物联网技术重点实验室,保定071003
文献出处：
引用格式：
[1]孙正;候英飒-.深度学习在有限视角稀疏采样光声图像重建中的应用)[J].数据采集与处理,2022(05):971-983
A类：
非迭代策略
B类：
稀疏采样,图像重建,光声成像,Photoacoustic,imaging,PAI,多物理场耦合,功能成像,质量图,成像精度,探测器,光声信号,号数,采用标准,重建方法,反投影,时间反演,图像质量,迭代重建算法,计算成本,正则化方法,医学成像,巨大潜力,有限角度,主要方法,分类归纳,不同方法,优势和不足
AB值：
0.357574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
