從ML-EM重建算法入手,分析了貝葉斯模型的一些關(guān)鍵點(diǎn).針對(duì)采用傳統(tǒng)方法求解MAP問題的局限性,提出一種用于正電子成像的貝葉斯神經(jīng)網(wǎng)絡(luò)(BNN)重建算法.為了保留邊緣信息,引入了二進(jìn)制的保邊緣變量,并應(yīng)用共軛神經(jīng)網(wǎng)絡(luò)求解.模擬的重建結(jié)果表明,應(yīng)用這種算法可以得到比ML-EM算法更好的重建圖像.
|
|
從ML-EM重建算法入手,分析了貝葉斯模型的一些關(guān)鍵點(diǎn).針對(duì)采用傳統(tǒng)方法求解MAP問題的局限性,提出一種用于正電子成像的貝葉斯神經(jīng)網(wǎng)絡(luò)(BNN)重建算法.為了保留邊緣信息,引入了二進(jìn)制的保邊緣變量,并應(yīng)用共軛神經(jīng)網(wǎng)絡(luò)求解.模擬的重建結(jié)果表明,應(yīng)用這種算法可以得到比ML-EM算法更好的重建圖像.
監(jiān)測(cè)人
查看詳細(xì)資料
發(fā)表文章
加為好友
用戶等級(jí):注冊(cè)會(huì)員
注冊(cè)時(shí)間:1970-01-01 08:01
最后登錄:2023-04-07 19:04
關(guān)于本站|免責(zé)聲明|廣告服務(wù)|網(wǎng)站地圖|網(wǎng)站搜索|友情鏈接|聯(lián)系我們|RSS訂閱
Copyright © 2008-2018 www.m.mocsil.com All Rights Reserved
