关于深度学习CT重建算法的技术文档

简介：
本技术文档深入探讨了深度学习在计算机断层扫描（CT）图像重建中的应用，详细介绍了相关算法原理、优化方法及实验结果分析。 深度学习CT重建技术文档目录 一． 稀疏角度U-net+传统重建算法去伪影 1.1 U-net+FBP 1.2 U-net+ART 1.3 U-net+SART 1.4 U-net+ML-EM 1.5 U-net+OSEM 二． 稀疏角度U-net+mSTCT去伪影 三． U-net替代STCT逆希尔伯特变换 3.1 五段直线扫描分别训练模型 3.1.1 STCT相关算法 3.1.2 利用U-net代替五段直线扫描分别进行模型训练 3.2 五段直线扫描合并训练模型 3.3 两种方法结果对比 四． 算法改进与提升 4.1 增加掩膜 五． 附件 本小节中，前三种算法属于代数类重建算法，而后两种为统计迭代类算法。所有这些算法均已在MATLAB环境中复现。然而，由于需要结合U-net（Python环境）进行伪影去除，在前三种方法上使用的是ASTRA工具包的Python版本来生成稀疏角度数据；而对于后两者，则采用相应的方法实现。