Aktivitäten pro Jahr
Abstract
Limited-angle computed tomography suffers from missing data in the projection domain, which results in intensity inhomogeneities and streaking artifacts in the image domain. We address both challenges by a two-step deep learning architecture: First, we learn compensation weights that account for the missing data in the projection domain and correct for intensity changes. Second, we formulate an image restoration problem as a variational network to eliminate coherent streaking artifacts. We perform our experiments on realistic data and we achieve superior results for destreaking compared to state-of-the-art non-linear filtering methods in literature. We show that our approach eliminates the need for manual tuning and enables joint optimization of both correction schemes.
Originalsprache | englisch |
---|---|
Titel | Bildverarbeitung für die Medizin 2017 |
Untertitel | Algorithmen - Systeme - Anwendungen. Proceedings des Workshops vom 12. bis 14. März 2017 in Heidelberg |
Herausgeber (Verlag) | Springer Verlag Heidelberg |
Seiten | 92-97 |
DOIs | |
Publikationsstatus | Veröffentlicht - 2017 |
Veranstaltung | Bildverarbeitung für die Medizin 2017 - Heidelberg, Deutschland Dauer: 12 März 2017 → 14 März 2017 |
Publikationsreihe
Name | Informatik aktuell |
---|---|
ISSN (Print) | 1431-472X |
Konferenz
Konferenz | Bildverarbeitung für die Medizin 2017 |
---|---|
Land/Gebiet | Deutschland |
Ort | Heidelberg |
Zeitraum | 12/03/17 → 14/03/17 |
Fingerprint
Untersuchen Sie die Forschungsthemen von „A Deep Learning Architecture for Limited-Angle Computed Tomography Reconstruction“. Zusammen bilden sie einen einzigartigen Fingerprint.Aktivitäten
- 1 Vortrag bei Konferenz oder Fachtagung
-
A Deep Learning Architecture for Limited-Angle Computed Tomography Reconstruction
Kerstin Hammernik (Redner/in)
12 März 2017 → 14 März 2017Aktivität: Vortrag oder Präsentation › Vortrag bei Konferenz oder Fachtagung › Science to science