文件名称：PnP-for-Field-of-View-Extension
文件大小：7.67MB
文件格式：ZIP
更新时间：2024-05-08 16:57:25
Python
即插即用的视野扩展 该存储库是论文“从学习的先验图像进行数据推断以进行计算机断层摄影中的截断校正”（在更新中）的深度学习实现。 本文提出了一种即插即用（PnP）方法，用于计算机断层扫描（CT）中的截断校正。 截断校正意味着在视场（FOV）内部减少拔罐伪影，并在FOV（FOV扩展部分）外部恢复解剖结构。 PnP方法主要包括三个步骤：使用深度学习减少伪像，从学习的先验图像进行数据推断以及从推断数据进行图像重建。 在第一步和最后一步中，可以分别插入各种深度学习方法和常规图像重建方法。 在使用深度学习减少工件的阶段，将训练深度学习模型来减少截断工件，如下所示： 请确保在伪影图像中FOV内部的误差很小； 否则，在构建训练和测试数据集时可能会出现问题。 该存储库中的代码包含和 ，可使用深度学习来减少伪像。 FBPConvNet FBPConvNet基本上是架构。 我们的实现是从实现中修改而
【文件预览】：
PnP-for-Field-of-View-Extension-main
----DescriptionImages()
--------Example.svg(187KB)
--------InputExample.png(53KB)
--------ArtifactExample.png(52KB)
--------ReferenceExample.png(30KB)
--------pipeline.png(216KB)
--------Example.png(210KB)
----FBPConvNet()
--------tf_unet()
--------testData()
--------ValidationData()
----Pix2pixGAN()
--------pix2pixL2Tif.py(38KB)
--------tools()
--------__pycache__()
--------CMDLine.txt(168B)
--------docker()
--------requirements.txt(82B)
----README.md(4KB)