摘要
本发明公开的属于生物医学图像重建技术领域,具体为基于混合特征哈希表与小波隐式神经表示的稀疏视图SPECT重建方法,包括具体步骤如下:通过射线采样获取三维空间内的采样点;利用具有混合特征哈希表的多分辨率哈希编码器对采样点的坐标进行位置编码;将经过哈希编码的稀疏视图输入到全连接多层感知器中,使用Gabor小波作为激活函数,在低维问题域中学习高频函数;通过最小化真实投影和合成投影之间的误差来训练网络,预测时生成不包含训练视图的密集的视图;将训练时的稀疏视图和生成的密集视图相结合。本发明的有益效果在于实现了稀疏视图SPECT重建的高质量结果,相比于传统的深度学习方法,能够进一步提高断层重建图像的质量。
技术关键词
多层感知器网络
分辨率
重建算法
射线
深度学习方法
位置编码器
查找表
采样点
图像
坐标系
误差
顶点
网格
核心
系统为您推荐了相关专利信息
粒子图像测速方法
示踪粒子
多尺度特征融合
脉冲X射线
注意力机制
深度强化学习算法
均衡器参数
优化网络参数
强化学习方法
多层感知机
卫星遥感影像
连续定位方法
无人机视觉
无人机拍摄图像
坐标系
海面风速反演方法
极化SAR图像
卫星遥感海洋环境监测技术
反演模型
后向散射系数
投影图像数据
三维模型重建方法
探测器
CT成像系统
切片