摘要
本发明公开了基于条件嵌入融合扩散模型的稀疏视角CT重建方法,包括:构建数据集并划分为训练集与测试集;构建条件生成模型以及条件嵌入融合扩散模型,包括傅里叶域去伪影模块、条件注意力嵌入模块、自适应融合注意力生成机制。将低质量图像输入到条件生成模型,结合条件嵌入融合扩散模型的细化残差获得最终重建结果;设计用于优化模型参数的损失函数,在训练集上采用Adam优化器实现模型参数的迭代优化与更新;训练完成的条件生成模型以及条件嵌入融合扩散模型可实现对稀疏视角CT的高质量重建。该方法在多种稀疏视角场景下显著提升了重建图像的质量,为稀疏视角CT图像重建提供了一种新颖且高效的解决方案,展现出良好的应用潜力。
技术关键词
CT重建方法
视角
注意力
随机噪声
生成机制
执行傅里叶变换
CT重建图像
噪声预测模型
噪声方差
图像重建
模块
输出特征
融合特征
优化器
噪声图像
线性
误差
数据
指数
系统为您推荐了相关专利信息
车辆状态数据
深度确定性策略梯度
需求预测模型
温控
时间段
辨识预警方法
疲劳特征
LSTM模型
场景
注意力机制
视频特征数据
安全监控方法
中央管理平台
视频特征向量
安全监控系统