深度学习CT重建算法技术文档
深度学习CT重建技术文档
目录
深度学习CT重建技术文档 1
一． 稀疏角度U-net+传统重建算法去伪影 1
1.1 U-net+FBP 2
1.2 U-net+ART 3
1.3 U-net+SART 4
1.4 U-net+ML-EM 4
1.5 U-net+OSEM 4
二． 稀疏角度U-net+mSTCT去伪影 4
三． U-net替代STCT逆希尔伯特变换 5
3.1五段直线扫描分别训练模型 5
3.1.1 STCT相关算法 5
3.1.2 U-net替代五段直线扫描分别训练模型 6
3.2 五段直线扫描合并训练模型 12
3.3 两种方法结果对比 15
四． 算法改进与提升 16
4.1 增加掩膜 16
五． 附件 17
稀疏角度U-net+传统重建算法去伪影
本小节前三种算法是代数类重建算法，后两种是统计迭代类算法，所有算法均已用matlab复现，但由于需结合U-net（python环境）进行伪影去除，所以这里在前三种方法上利用的是ASTRA工具包的python版本产生稀疏角度数据，后两种由于ASTRA包中没有，所以采用
2022-12-06 17:26:38
6.62MB
1
matlab中存档算法代码SIRT-FISTA-TV重建算法
SIRT-FISTA-TV是一种规则化的迭代重建算法，对嘈杂和模糊的数据非常健壮，并且可以大大减少丢失的楔形伪影。
它包括三个步骤：
SIRT更新（也可以使用SART和OS-SART）
电视最小化（使用渐变下降）
FISTA技术可加快收敛速度
使用CUDA
mex函数可在GPU上加速该算法。
它取决于两个工具箱：ASTRA和Spot。
使用了ASTRA的投影和反投影功能。
Spot工具箱用于提供一个MATLAB框架，该框架将线性运算包装到行为类似于矩阵的MATLAB对象中。
我们提供了两个示例来测试该算法：example1.m和example2.m，它们在正确执行安装后应该很容易运行。
安装
在MATLAB文件浏览器中选择“
ASTRA-工具箱”，“
Spot-工具箱”，“电视最小化”和“数据”
----->右键单击----->添加到路径----->选定文件夹和子文件夹。
请注意，如果不是这样，您可以键入命令“
filebrowser”以打开MATLAB文件浏览器。
安装CUDA工具包（8.0版效果很好）链接：
安装C
++
2022-11-25 11:23:43
33.42MB
1
1.CUDA纹理学习
2.CUDA定义核函数加速重建
3.平行束采点
4.双线性插值函数
5.SART重建
2022-06-08 19:11:23
12KB
1
这是在VHF水上移动频段内使用时分多址的自动识别系统的技术特性文档，主要适用于AIS系统，AIS-SART设备系统。
2019-12-21 21:10:27
6.6MB
1