多级随机PnP稀疏视图CT重建方法提出
热点事件持续更新
多级随机PnP稀疏视图CT重建方法提出
1 篇报道1 个报道来源58 分钟前更新
先了解这件事
AI 综述
Antoine De Paepe、Alexandre Bousse 和 Dimitris Visvikis 提出多级随机 Plug-and-Play（ML-SPnP）方法，用于稀疏视图 CT 重建。该方法在小波多分辨率分析的近似空间上重建，采用由粗到细的初始化加有限多级校正，并为各分辨率使用专用去噪器。 在 20–50 个投影视图的两个 CT 数据集上，其重建质量与所评估的随机 PnP 方法相当，但通常耗时更少。代码将公开。
AI 根据报道生成 · 41 分钟前更新
最新进展10月23日 12:00
ML-SPnP：基于小波多分辨率分析的多级随机 Plug-and-Play 稀疏视图 CT 重建报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 物理ML-SPnP：基于小波多分辨率分析的多级随机 Plug-and-Play 稀疏视图 CT 重建
研究者提出多级随机 Plug-and-Play（ML-SPnP）方法，在小波多分辨率分析近似空间上做稀疏视图 CT 重建，用由粗到细的初始化加有限多级校正，并针对各分辨率使用专用去噪器。在 20-50 个投影视图的两个 CT 数据集上，其重建质量与所评估的随机 PnP 方法相当，但通常耗时更少。代码将公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。