使用迭代深度神经网络求解病态逆问题

Source: Dev.to

通过混合数学与训练网络实现更快、更清晰的CT图像

这种新方法解决了通常会产生噪声和模糊结果的艰难成像难题。它将已知的物理模型与示例学习相结合，使得该方法能够逐步修复图像，同时保留我们对数据生成方式的已有认识。

其结果是一个循环，使用 deep network 来引导每一步，在 ill‑posed problems 上提升细节，克服传统方法的不足。对简单模型和头部CT的测试显示，图像比旧的重建方法更为锐利，甚至比一种常用方法提升约 5 dB improvement。

Performance

• 在单个 GPU 上大约 0.4 seconds 生成 512 × 512 图像。
• 在不舍弃底层物理的前提下提供 clearer images。
• 仅学习必要信息，让数学与数据协同工作，获得比传统技巧更快且常常更好的结果，只需少量额外步骤。

Further reading

在 Paperium.net 上阅读完整综述：
Solving ill‑posed inverse problems using iterative deep neural networks