In this paper, we introduce a new class of projectors for 3D cone beam tomographic reconstruction. We find analytical formulas for the relationship between the voxel volume projected onto a given detector pixel and its contribution to the extinction value detected on that pixel. Using this approach, we construct a near-exact projector and backprojector that can be used especially for algebraic reconstruction techniques. We have implemented this cutting voxel projector and a less accurate, speed-optimized version of it together with two established projectors, a ray tracing projector based on Siddon's algorithm and a TT footprint projector. We show that the cutting voxel projector achieves, especially for large cone beam angles, noticeably higher accuracy than the TT projector. Moreover, our implementation of the relaxed version of the cutting voxel projector is significantly faster than current footprint projector implementations. We further show that Siddon's algorithm with comparable accuracy would be much slower than the cutting voxel projector. All algorithms are implemented within an open source framework for algebraic reconstruction in OpenCL 1.2 and C++ and are optimized for GPU computation. They are published as open-source software under the GNU GPL 3 license, see https://github.com/kulvait/KCT_cbct.


翻译:在本文中, 我们为 3D 锥形光束图的重建引入了一个新的投影器类别 。 我们找到一个分析公式, 分析投射到给定探测器像素的 voxel 体积及其对于该像素所检测的灭绝值的贡献之间的关系。 使用这个方法, 我们建造了一个近操作投影仪和背投影仪, 特别是用于变形重建技术。 我们实施了这个切除 voxel 投影仪, 并且与两个已经建立的投影机一起, 一种不那么精确的、 速度优化的投影机, 一个基于Siddon 算法的射线追踪投影仪和一个TT脚印投影投影仪。 我们显示, 切除 voxel 投影机在一个开放源框架内取得了效果, 特别是大锥形光束角度, 其精度明显高于 TTT 投影仪。 此外, 我们实施的剪切 voxel 投影机的宽松版本比当前测影仪的安装速度要快得多。 我们进一步显示, Sidddon的精确度比切投影投影机的算法要慢得多得多。 。 所有算法都在开放源框架内, GPLBLBSlevaxleval 和GDLSlals 的GlevalSlevals 正在 的软 的软的GSlevalsxxxxxxxxxxxxxxlmal

0
下载
关闭预览

相关内容

机器学习系统设计系统评估标准
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
专知会员服务
88+阅读 · 2021年6月29日
专知会员服务
38+阅读 · 2021年2月8日
专知会员服务
10+阅读 · 2021年2月4日
Python图像处理,366页pdf,Image Operators Image Processing in Python
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
已删除
材料科学与工程
6+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
26+阅读 · 2019年1月4日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年12月11日
VIP会员
相关VIP内容
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
专知会员服务
88+阅读 · 2021年6月29日
专知会员服务
38+阅读 · 2021年2月8日
专知会员服务
10+阅读 · 2021年2月4日
Python图像处理,366页pdf,Image Operators Image Processing in Python
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
已删除
材料科学与工程
6+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
26+阅读 · 2019年1月4日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员