Multi-energy computed tomography (ME-CT) is an x-ray transmission imaging technique that uses the energy dependence of x-ray photon attenuation to determine the elemental composition of an object of interest. Mathematically, forward ME-CT measurements are modeled by a nonlinear integral transform. In this paper, local conditions for global invertibility of the ME-CT transform are studied, and explicit stability estimates quantifying the error propagation from measurements to reconstructions are provided. Motivated from the inverse problem of image reconstruction in ME-CT, an iterative inversion algorithm for the so-called P-functions is proposed. Numerical simulations for ME-CT, in two and three materials settings with an equal number of energy measurements, confirm the theoretical predictions.


翻译:多能计算断层成像(ME-CT)是一种X射线传输成像技术,它利用X射线光子衰减的能量依赖性确定一个受关注对象的元素构成。从数学角度讲,前方的ME-CT测量用非线性整体变异模型模型进行。本文研究了ME-CT变异全球可视性的当地条件,并提供了从测量到重建的错误传播量的明确稳定估计值。从ME-CT图像重建的反面问题中激发了动力,提出了所谓的P功能的迭代反演算法。在两个和三个能源测量数量相同的材料环境中,对ME-CT的数值模拟证实了理论预测。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
8+阅读 · 2018年10月31日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年11月26日
Arxiv
0+阅读 · 2021年11月25日
Learning to Refit for Convex Learning Problems
Arxiv
0+阅读 · 2021年11月24日
Arxiv
19+阅读 · 2021年1月14日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
8+阅读 · 2018年10月31日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员