Sparse-view statistical image reconstruction with improved total variation regularization for X-ray micro-CT imaging
Notice bibliographique
Résumé
Sparse-view x-ray micro computed tomography (micro-CT) reconstruction algorithms via total variation (TV) optimize the data without introducing notable noise and artifacts, resulting in significant scanning time reduction while maintaining image quality. However, due to the piecewise constant assumption for the image, a conventional TV minimization often suffers from patchy artifacts in reconstructed images. Moreover, for lack of directional gradient in TV some directional information are lost. To obviate these drawbacks, in this study we develop a penalized weighted least-square (PWLS) strategy for micro-CT sparse-view image reconstruction by incorporating an adaptive weighted total variation in combination with an adaptive weighted diagonal total variation (AwTV+AwDTV) penalty term. The AwTV considers the vertical and horizontal gradients while the AwDTV uses the diagonal gradients. The associated weights which are defined based on the anisotropic edge properties of an image, are expressed as an exponential function and can be adaptively adjusted by the amount of the difference between voxel intensities to preserve the edge details. To evaluate the presented (AwTV+AwDTV)-PWLS algorithm, both qualitative and quantitative studies were performed by computer simulations and micro-CT data experiments. The Shepp-Logan phantom for computer simulation and the micro-CT water phantom and a rat skull for micro-CT experiments are employed to perform image reconstruction. To evaluate the performance of AwTV+AwDTV algorithm, we compared it with TV and AwTV reconstruction algorithms. The simulation results show that the presented (AwTV+AwDTV)-PWLS algorithm can achieve the lowest RMSE and highest PSNR, SSIM and MTF for different number of projections as compared to the AwTV and conventional TV algorithms. The micro-CT data results confirmed the superiority of the proposed (AwTV+AwDTV) method to the AwTV and TV methods for different number of projections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».