Глубокая томографическая реконструкция ⇐ Васина Википедия

[wiki_en]

'' 'глубокая томографическая реконструкция' '' - это метод машинного обучения, где методы глубокого обучения используются для томографической реконструкции медицинских и промышленных изображений. Это новая граница области визуализации путем использования искусственного интеллекта и машинного обучения, особенно глубоких искусственных нейронных сетей или глубокого обучения, для преодоления таких проблем, как шум измерения, редкость данных, артефакты изображения и вычислительная неэффективность. Этот подход был применен в различных методах визуализации, включая КТ-сканирование | CT, магнитно-резонансная визуализация | МРТ, ПЭТ-сканирование | ПЭТ, однофотонная компьютерная томография | Spect, ультразвуковое исследование и оптическая визуализация. Быстрый прогресс в этой области знаменует собой значительный переход от традиционных методов реконструкции к подходам, управляемым данными с 2016 года.
== Исторический фон ==
Традиционная томографическая реконструкция основана на аналитических методах, таких как фильтрованная обратная проекция, и итерационные методы, которые постепенно вычисляют обратные преобразования из данных измерения (например, данные о преобразовании радона или Фурье). p. Suetens, Основы медицинской визуализации, 3 -е издание. Кембридж: издательство Кембриджского университета, 2017 г. В 2016 году глубокая томографическая реконструкция стала новой парадигмой.
== Достижения по методам визуализации ==
=== Компьютерная томография (CT) ===
В КТ модели глубокого обучения были особенно эффективны в снижении радиационного воздействия при сохранении качества изображения.
=== Магнитно -резонансная визуализация (МРТ) ===
Реконструкция МРТ выиграла от глубокого обучения, ускоряя скорость приобретения, которая также называется быстрым МРТ.
=== Позитронная эмиссионная томография (ПЭТ) и одно фотон Эмиссия КТ (SPECT) ===
Для визуализации домашних животных модели глубокого обучения обеспечивают существенные улучшения в низких дозах визуализации
=== Ультразвуковая визуализация ===
Глубокое обучение усиливает ультразвуковую визуализацию за счет уменьшения спеклевого шума и размытия движения.
=== Оптическая визуализация и микроскопия ===
Диффузная оптическая томография,


Машинное обучение

Подробнее: https://en.wikipedia.org/wiki/Deep_Tomo ... nstruction