联合生成对抗网络与扩散模型的稀疏CT图像重建

钟泉; 吴锡

doi:10.11907/rjdk.241064

您当前的位置：

首页 >

文章列表页 >

联合生成对抗网络与扩散模型的稀疏CT图像重建

图形图像处理 | 更新时间：2025-02-26

- 联合生成对抗网络与扩散模型的稀疏CT图像重建
- Reconstruction of Sparse CT Images via the Integration of Generative Adversarial Networks and Diffusion Models
- “在医学图像重建领域，研究者提出了一种结合生成对抗网络与扩散模型的残差细化重建网络RRRNet，有效提升了稀疏CT图像重建质量。”
- 软件导刊 2025年24卷第2期页码：172-180
- 作者机构：
  
  成都信息工程大学计算机学院，四川成都 610225
- 作者简介：
  
  钟泉（1988-），男，成都信息工程大学计算机学院硕士研究生，研究方向为图像处理
  吴锡（1980-），男，成都信息工程大学计算机学院教授、硕士生导师，研究方向为图像处理与计算成像、智慧气象与数值天气计算。
- 基金信息：
  
  四川省中央引导地方科技发展专项项目(2022ZYD0117)
- DOI：10.11907/rjdk.241064
  中图分类号： TP399
- 收稿日期：2024-01-20，
  
  纸质出版日期：2025-02-28
- 稿件说明：
移动端阅览
钟泉,吴锡.联合生成对抗网络与扩散模型的稀疏CT图像重建[J].软件导刊,2025,24(02):172-180.

ZHONG Quan,WU Xi.Reconstruction of Sparse CT Images via the Integration of Generative Adversarial Networks and Diffusion Models[J].Software Guide,2025,24(02):172-180.
钟泉,吴锡.联合生成对抗网络与扩散模型的稀疏CT图像重建[J].软件导刊,2025,24(02):172-180. DOI： 10.11907/rjdk.241064.

ZHONG Quan,WU Xi.Reconstruction of Sparse CT Images via the Integration of Generative Adversarial Networks and Diffusion Models[J].Software Guide,2025,24(02):172-180. DOI： 10.11907/rjdk.241064.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于GAN的图像超分辨率方法研究

一种全局信息增强的语义图像合成方法

少样本条件下的电缆局部放电模式识别

基于多层级隐式自增强的谣言检测方法

基于自注意力机制的个性化学生知识追踪模型

联合生成对抗网络与扩散模型的稀疏CT图像重建

Reconstruction of Sparse CT Images via the Integration of Generative Adversarial Networks and Diffusion Models

DOI：10.11907/rjdk.241064