Matlab反投影代码-DNN_XRay：利用深度神经网络估算X射线CT的衰减系数

简介：
Matlab反投影代码-DNN_XRay项目运用深度神经网络技术，旨在优化和加速从X射线CT数据中估计物质衰减系数的过程。该方法结合了传统的反投影算法与现代机器学习模型的优势，以提高图像重建的速度和准确性。 该代码包是用于X射线CT的神经网络的一种新颖应用。在X射线CT中，目标是从传输数据中找到图像空间中的线性衰减系数。解决此问题的传统方法包括单发算法和迭代算法。 - 单发算法：考虑到源-探测器的几何结构是“定义明确”的，并且忽略了数据的随机性和噪声成分，我们可以通过诸如滤波反投影（FBP）之类的单发算法来找到图像中的线性衰减系数。 - 迭代算法：假设一个模型（如泊松或加权高斯模型），并迭代地解决问题。 在这两种方法中，系统矩阵H用于定义和使用数据空间与图像空间之间的连接，并且是已知的。然而，在我们的研究中，我们探讨了一个新的问题：对于给定固定几何体的情况下，如果有大量的图像数据对可用，是否可以学习到这种高度非线性的逆关系？如果我们能够做到这一点，那么在速度/图像质量方面能否超越现有的最先进方法？ 为了实现这一目标，我们首先使用MATLAB的radon变换生成了模拟数据，并假设控制比尔定律的真实像的前向投影估计遵循Poisson分布。随后，在没有提供任何有关系统信息的情况下训练神经网络，其中输入为数据（如X射线CT扫描的数据），输出则是图像空间中的衰减系数。 对于这种模拟情况，我们希望这种方法能够提高速度和图像质量，并且在实际应用中超越现有的技术方法。