一种利用光子图像解决深度学习中子CT缺乏成对数据的方法OA北大核心CSTPCD
A method to solve lack of paired data in neutron computed tomography for deep learning by using photon images
由于缺少高质量成对数据集,深度学习在中子层析(CT)重建中的应用与发展受到了严重阻碍.虽然中子层析和光子层析成像原理都基于Radon变换,但二者在粒子输运过程中的成像特征不同,所以光子层析图像训练的网络无法直接用于解决中子层析成像的重建问题.为此,本文提出了一种可以解决光子和中子层析成像迁移过程中概率分布差异问题的无监督域适应网络.该方法通过引入最大均值差异计算以减小光子与中子层析图像特征之间的分布差异,并通过小波变换与卷积神经网络相结合的方式增…查看全部>>
Due to the lack of high-quality paired datasets,the application and development of deep learning in neutron computed tomography(CT)reconstruction are severely hindered.Although the imaging principles of neutron CT and photon CT are both based on the Radon transform,the imaging characteristics of the two processes during particle transport are different,so the network trained for photon CT cannot be directly used to solve the reconstruction problem of neutron…查看全部>>
郭虎;陈帅;杨明翰;张子恒;邵慧;汪建业
安徽大学物质科学与信息技术研究院,安徽 合肥 230601||中国科学院合肥物质科学研究院核能安全技术研究所,安徽 合肥 230031中国科学院合肥物质科学研究院核能安全技术研究所,安徽 合肥 230031中国科学院合肥物质科学研究院核能安全技术研究所,安徽 合肥 230031中国科学院合肥物质科学研究院核能安全技术研究所,安徽 合肥 230031||中国科学技术大学,安徽 合肥 230026安徽建筑大学,安徽 合肥 230022中国科学院合肥物质科学研究院核能安全技术研究所,安徽 合肥 230031
计算机与自动化
图像处理中子CT重建域适应迁移学习稀疏层析
image processingneutron computer tomography reconstructiondomain adaptive transfer learningsparse tomography
《量子电子学报》 2024 (5)
738-751,14
安徽省自然科学基金(2108085QF285),合肥市自然科学基金(2021003),安徽省古建筑智能感知与高维建模国际联合研究中心开放课题(GJZZX2021KF04)
评论