Sökning: "Djupinlärning bildrekonstruktion"

Hittade 4 uppsatser innehållade orden Djupinlärning bildrekonstruktion.

  1. 1. Deep Learning-based Regularizers for Cone Beam Computed Tomography Reconstruction

    Master-uppsats, KTH/Matematisk statistik

    Författare :Sabina Syed; Josefin Stenberg; [2023]
    Nyckelord :Adversarial Convex Regularization; Computer Vision; Cone Beam Computed Tomography; Convolutional Neural Networks; Deep Learning; Image Reconstruction; Adversarial Convex Regularization; Bildrekonstruktion; Datorseende; Djupinlärning; Faltningsnätverk; Volymtomografi;

    Sammanfattning : Cone Beam Computed Tomography is a technology to visualize the 3D interior anatomy of a patient. It is important for image-guided radiation therapy in cancer treatment. During a scan, iterative methods are often used for the image reconstruction step. LÄS MER

  3. 2. Djupinlärning på sinogram för bildrekonstruktion från spektral CT

    Kandidat-uppsats, KTH/Skolan för teknikvetenskap (SCI)

    Författare :Adam Ågren; Dennis Åkerström; [2021]
    Nyckelord :;

    Sammanfattning : I takt med den nya utvecklingen av fotonräknande datortomografi med möjligheter till lägre stråldoser kommer även krav på bättre metoder för brusreducering och bildrekonstruktion. För att lösa detta problem föreslås appliceringen av ett neuralt nätverk för att filtrera bort brus och rekonstruera bilderna. LÄS MER

  4. 3. Stråldosreducering med hjälp av artificiell intelligens vid datortomografiundersökningar : En litteraturöversikt

    Uppsats för yrkesexamina på grundnivå, Luleå tekniska universitet/Institutionen för hälsa, lärande och teknik

    Författare :Ali Kaan Järnkärna; [2021]
    Nyckelord :Artificiell intelligens; Automatisk patientplacering; Djupinlärning; Djupinlärning bildrekonstruktion; Datortomografi; Iterativ rekonstruktion; Röntgenstrålning; Stråldos reduktion;

    Sammanfattning : Introduktion: Datortomografi är en effektiv och snabb undersökningsmetod och skapar en detaljrik bild. Antal datortomografi undersökningar ökar varje år och relativt högstråldoser som kan bli skadligt är oroväckande. Det finns metoder som kan sänka och/eller förebygga joniserande strålning. LÄS MER

  5. 4. Deep Learning for PET Imaging : From Denoising to Learned Primal-Dual Reconstruction

    Master-uppsats, KTH/Skolan för kemi, bioteknologi och hälsa (CBH)

    Författare :Alessandro Guazzo; [2020]
    Nyckelord :PET Deep Learning Reconstruction Denoising;

    Sammanfattning : PET imaging is a key tool in the fight against cancer. One of the main issues of PET imaging is the high level of noise that characterizes the reconstructed image, during this project we implemented several algorithms with the aim of improving the reconstruction of PET images exploiting the power of Neural Networks. LÄS MER