2D neurale netwerken voor artefactcorrectie tijdens CT-reconstructie

Artefacten worden vaak opgenomen in daadwerkelijke CT-beelden, soms ligt het aan de aard van het object zelf, soms aan het meetinstrument. De artefacten kunnen downstream high-semantische taken ernstig beïnvloeden, dus het is een fundamentele en belangrijke taak. In dit onderzoek kan het verwijderen van artefacten worden gezien als een probleem met het schilderen of ruisonderdrukken van afbeeldingen. Ten eerste is het noodzakelijk om de verspreiding van de artefacten te karakteriseren. Ten tweede wordt een generatief model geschaafd om te worden gebruikt voor het verwijderen van artefacten. Ten derde zullen de prestaties van voorgestelde methoden worden geëvalueerd met behulp van PSNR/SSIM/MS-SSIM-statistieken. Daarnaast zal de voorgestelde beeldherstelmethode worden vergeleken op verschillende datasets om de generaliseerbaarheid aan te tonen.