[1] |
A.Adler、V.Emiya、M.G.Jafari、M.Elad、R.Gribonval和M.D.Plumbley,《音频去噪的约束匹配追踪方法》,2011年IEEE声学、语音和信号处理国际会议(ICASSP), (2011), 329–332.数字对象标识:10.1109/ICASSP.2011.5946407。
|
[2] |
J.阿德勒和O.Øktem,使用迭代深度神经网络求解不适定逆问题,反向探测。,33(2017),124007数字对象标识:10.1088/1361-6420/aa9581。
|
[3] |
S.安托尔泽, M.哈尔特迈耶和夏瓦,从稀疏数据深入学习光声层析成像,科学与工程中的反问题,27(2019), 987-1005. 数字对象标识:10.1080/17415977.2018.1518444.
|
[4] |
S.Armato三世, G.麦克伦南, L.Bidaut先生, M.McNitt-Gray公司, C.梅耶, A.李维斯, B.赵, D.阿贝尔, C.亨斯克和E.霍夫曼等。,肺图像数据库联盟(LIDC)和图像数据库资源计划(IDRI):一个完整的CT扫描肺结节参考数据库,医学物理学,38(2011), 915-931.
|
[5] |
S.Arridge公司, P.马斯, O.Øktem和C.B.舍恩利布,使用数据驱动模型解决反问题,数字学报,28(2019), 1-174. 数字对象标识:10.1017/S096249291900059。
|
[6] |
A.B.巴库辛斯基和M.余。科库林,反问题近似解的迭代方法,施普林格,2004年
|
[7] |
H.H.鲍斯科和J.M.博文,关于求解凸可行性问题的投影算法,SIAM审查,38(1996), 367-426. 数字对象标识:10.1137/S0036144593251710。
|
[8] |
Y.Boink和C.Brune,学习SVD:通过混合自动编码解决逆问题,arXiv公司:1912.10840, (2020).
|
[9] |
Y.波因克, S.马诺哈尔和C.布鲁纳,用于联合光声重建和分割的部分学习算法,IEEE医学影像汇刊,39(2020), 129-139. 数字对象标识:10.1109/TMI.2019.2922026。
|
[10] |
T.A.布巴, G.库蒂尼奥克, M.拉斯斯, März先生, W.萨梅克, S.硅烷和V.斯里尼瓦桑《学习看不见的东西:用于有限角度CT的混合式深度学习小脑框架》,反问题,35(2019), 064002. 数字对象标识:10.1088/1361-6420/ab10ca。
|
[11] |
H.W.Engl、M.Hanke和A.Neubauer,反问题的正则化Kluwer学术出版集团,1996年。
|
[12] |
D.Gilton、G.Ongie和R.Willett,成像逆问题的Neumann网络,IEEE传输。计算。成像,6(2020), 328–343.arXiv公司:1901.03707, (2019).数字对象标识:10.1109次/次.2019.2948732次。
|
[13] |
H.古克, E.弗兰克, B.普法林格和M.J.克里,通过加强lipschitz连续性来规范神经网络,机器学习,110(2021), 393-416. 数字对象标识:10.1007/s10994-020-05929-w。
|
[14] |
I.Gulrajani、F.Ahmed、M.Arjovsky、V.Dumoulin和A.Courville,《改进wasserstein组织的培训》,arXiv预打印,arXiv:1704.00028号, (2017).
|
[15] |
S.J.汉密尔顿和A.豪普特曼,Deep D-bar:利用深度神经网络进行实时电阻抗断层成像,IEEE传输。医学图像。,37(2018), 2367-2377. 数字对象标识:10.1109/TMI.2018.2828303。
|
[16] |
P.C.Hansen,离散反问题:洞察力和算法,SIAM,2010年。数字对象标识:10.1137/1.9780898718836.
|
[17] |
何凯、张旭、任三生、孙建军,图像识别的深度残差学习,IEEE计算机视觉和模式识别会议记录, (2016), 770–778.数字对象标识:10.1109/CVPR.2016.90。
|
[18] |
S.Honig和M.Werman,利用深层网络进行图像解块,2018年IEEE第25届图像处理国际会议(ICIP), (2018), 3923–3927.数字对象标识:10.1109/ICIP.2018.8451780。
|
[19] |
M.V.de Hoop、M.Lassas和C.A.Wong,非线性算子函数和非线性逆问题的深度学习结构,数学。统计学习。,4(2021), 1–86.arXiv:1912.11090年, (2019).数字对象标识:10.4171/msl/28。
|
[20] |
K.H.Jin先生, M.T.麦肯, E.弗鲁斯特和M.Unser先生,用于成像逆问题的深度卷积神经网络,IEEE传输。图像处理。,26(2017),4509-4522数字对象标识:10.1109/TIP.2017.2713099。
|
[21] |
B.Kaltenbacher、A.Neubauer和O.Scherzer,非线性不适定问题的迭代正则化方法,,Walter de Gruyter GmbH&Co.KG,柏林,2008年。数字对象标识:10.1515/9783110208276.
|
[22] |
E.Kobler、T.Klatzer、K.Hammernik和T.Pock,变分网络:连接变分方法和深度学习,德国模式识别会议, (2017), 281–293.数字对象标识:10.1007/978-3-319-66709-6。
|
[23] |
A.Kofler、M.Haltmeier、C.Kolbitsch、M.Kacherrieß和M.Dewey,稀疏视图计算机断层扫描的U-Nets级联,医学图像重建机器学习国际研讨会, (2018), 91–99.数字对象标识:10.1007/978-3-030-00129-2_11.
|
[24] |
D.Lee、J.Yoo和J.C.Ye,压缩传感MRI的深度剩余学习,IEEE第十四届国际生物医学成像研讨会(ISBI 2017), 15–18.数字对象标识:10.1109/ISBI.2017.7950457。
|
[25] |
R.M.莱维特,使用广义Kaiser-Bessel窗口函数的多维数字图像表示,JOSA公司,7(1990), 1834-1846. 数字对象标识:10.1364/JOSAA.7.001834。
|
[26] |
J.Leuschner、M.Schmidt、D.Baguer和P.Maaß,LoDoPaB-CT数据集:低剂量CT重建方法的基准数据集,arXiv:1910.01113, (2019).
|
[27] |
H.李, 夏瓦, S.安托尔泽和M.哈尔特迈耶,NETT:使用深度神经网络解决反问题,反问题,在线优先,36(2020), 065005. 数字对象标识:10.1088/1361-6420/ab6d57。
|
[28] |
S.Lunz、O.Øktem和C.Schönlieb,反问题中的对抗正则化子,神经信息处理系统研究进展,(2018),8507–8516。
|
[29] |
M.Mardani、E.Gong、J.Cheng、S.Vasanawala、G.Zaharchuk、M.Alley、N.Thakur、W.Han、J.Pauly等,压缩传感自动机的深层生成对抗网络MRI,arXiv公司:1706.00051, (2017)
|
[30] |
V.A.莫罗佐夫,解决不正确问题的方法施普林格-弗拉格出版社,1984年。数字对象标识:10.1007/978-1-4612-5280-1.
|
[31] |
S.Mukherjee,S.Dittmer,Z.Shumaylov,S.Lunz,O.洗ktem和C.Schönlieb,反问题的学习凸正则化子,arXiv预打印,arXiv:2008.02839, (2020).
|
[32] |
J.Rick Chang、C.Li、B.Poczos、B.Vijaya和A.Sankaranarayanan,使用深度投影模型解决所有线性反问题的一个网络,IEEE计算机视觉国际会议论文集,(2017),5888–5897。数字对象标识:10.1109/ICCV.2017.627。
|
[33] |
Y.里文森, Z.哥伦布, H.Günaydin先生, Y.Zhang(张), H.王和A.奥兹坎、深度学习显微镜、,光学,4(2017), 1437-1443. 数字对象标识:10.1364/OPTICA.4.001437。
|
[34] |
O.Ronneberger、P.Fischer和T.Brox,U-net:生物医学图像分割的卷积网络,医学图像计算和计算机辅助干预国际会议, (2015), 234–241.数字对象标识:10.1007/978-3-319-24574-4_28.
|
[35] |
O.Scherzer、M.Grasmair、H.Grossauer、M.Haltmeier和F.Lenzen,成像中的变分方法,Springer,2009年。
|
[36] |
夏瓦, S.安托尔泽和M.哈尔特迈耶,反问题的深空学习:收敛分析和速率,反问题,35(2019), 025008. 数字对象标识:10.1088/1361-6420/aaf14a。
|
[37] |
夏瓦, S.安托尔泽和M.哈尔特迈耶,Big in Japan:求解逆问题的正则化网络,数学成像与视觉杂志,62(2020), 445-455. 数字对象标识:2007年10月10日/10851-019-00911-1。
|
[38] |
孙建军,李海平,徐志忠,等,用于压缩传感MRI的深度ADMM-Net,神经信息处理系统的研究进展, (2016), 10–18.
|
[39] |
A.N.Tikhonov和V.Y.Arsenin,不适定问题的解决方案约翰·威利父子公司,1977年。
|
[40] |
十、张, J.Wang(王)和李星(L.Xing),通过约束优化减少x射线计算机断层扫描(CT)中的金属伪影,医学物理学,38(2011), 701-711. 数字对象标识:10.1118/1.3533711。
|
[41] |
B.朱, J.Z.刘, S.F.考利, B.R.罗森和M.S.Rosen先生,基于域变换流形学习的图像重建,自然,555(2018), 487-492. 数字对象标识:10.1038/nature25988。
|