竞赛任务是利用数据驱动的重建技术从有限视角的扇形光束测量中恢复乳房模型幻影图像。这项挑战的独特之处在于，参赛者获得了一组地面真实图像及其无噪音的子采样正弦图（以及相关的有限视角过滤反投影图像），但没有获得实际的正向模型。 团队名称：robust-and-stable 完成工作：首先在一个数据驱动的几何校准步骤中估计扇形光束的几何。在随后的两步程序中，设计一个迭代的端到端网络，能够计算出接近精确的解决方案。（损失低到无法想象） 方法结构： 第一步：数据驱动的几何图形识别 第二步：预训练的U-Net作为计算支柱网络 第三步：迭代方案 方法内容（摘原文翻译，其中小部分增加自己的理解和解释，公式截原文的图，水印很恶心）： 第一步 我们重建工作的第一步是从提供的训练数据中学习未知的前向算子（FBP算子）。断层扇形光束测量的连续版本是基于计算线积分。 其中x0是未知图像，L(s, )表示扇形光束坐标中的一条线，即是扇形旋转角度，s是编码传感器的位置。在一个理想化的情况下，扇形光束模型由以下几何参数指定（见图）。 d_source - X射线源到原点的距离

内容概要：针对之前我发布的博文：2021AAPM大赛第一名技术报告Designing an Iterative Network for Fanbeam-CTwith Unknown Geometry 阅读笔记 的代码，再经过仔细的阅读后将自己的感悟与思考加入注释中，供各位读者参考。 适合人群：对图像重建领域感兴趣或专业研究者适用，需要具备一定的图像重建知识储备，拥有一定研究经验，了解重建过程。 能学到什么：代码中不仅可以帮助读者真正的领悟论文核心要义，还用代码的方式呈现了radon和FBP的详细过程，读者可以选择性的学习。 阅读建议，配合我的博文食用，一定要先明白个大概过程再看，阅读顺序的话，看完论文就知道了，参考readme文件。

AAPM TG18测试图是PACS图像质量控制的检测标准，即将发表的中国PACS标准明确要求采用AAPM TG18测试图进行图像质量检测 由于该组图像较多，只好分开上传了，望您耐心逐一下载了

AAPM TG18测试图是PACS图像质量控制的检测标准，即将发表的中国PACS标准明确要求采用AAPM TG18眩光图案测试图进行图像质量检测。

AAPM TG18测试图是PACS图像质量控制的检测标准，即将发表的中国PACS标准明确要求采用AAPM TG18测试图进行噪声测试图,图像质量检测

AAPM-RPT-101 立体定向放射治疗 SBRT

风险分析方法在放射治疗质量管理中的应用

AAPM TG18测试图-第2部分-灰度-亮度-噪声

AAPM TG18测试图是PACS图像质量控制的检测标准，即将发表的中国PACS标准明确要求采用AAPM TG18测试图进行图像质量检测 由于该组图像较多，只好分开上传了，望您耐心逐一下载了

AAPM TG 65 中英文版.pdf