ODL公司 操作员离散化库(ODL)是一个Python库,它支持对现实或真实数据的反问题进行研究。该框架允许将物理模型封装到操作员可以像数学对象一样在优化方法中使用。此外,ODL使得在不牺牲性能的情况下,很容易对变分正则化的重建方法和优化算法进行实验。 有关ODL内部工作的更多详细信息和介绍,请参阅文档. 集锦 一个用于平滑和非平滑问题(如CGLS、BFGS、PDHG和Douglas-Rachford分裂)的通用高效优化例程库。 支持断层成像,具有统一的几何表示,并绑定到外部库,以高效计算投影和反向投影。 此外,还包括支持深度学习库、优点数字、幻影生成、数据处理等。 安装 安装ODL应该很容易 conda安装-c odlgroup odl 或 pip安装odl 有关更多详细说明,请查看安装指南. ODL与Python 2/3和所有主要平台(GNU/Linux/Mac/Windows)兼容。 资源 ODL文档 安装指南 入门 代码示例 API参考 ODL课程材料 应用 这是使用ODL的文章和项目的不完整列表。如果您想将您的项目添加到列表中,请联系维护人员或提交拉入请求。 第条 代码 学习利用Wasserstein损失解决反问题2017年NIPS OMT研讨会。arXiv公司 随机主-对偶混合梯度法快速PET重建.第条 具有任意采样和成像应用的随机原始-对偶混合梯度算法.arXiv公司 学习的原始-对偶重建.arXiv公司,博客 具有大变形的间接图像配准.arXiv公司 高级算法原型:一个扩展TVR-DART算法的示例DGCI,2017年。内政部 GPUMCI,GPU上用于x射线成像的灵活平台Fully3D,2017年 基于抗相关噪声模型和联合先验知识的谱CT重建Fully3D,2017年 迭代深度神经网络求解不适定反问题2017年反向问题arXiv公司,内政部 变Lebesgue先验的全变差正则化.arXiv公司 利用最优质量输运正则化反问题的广义Sinkhorn迭代《SIAM成像科学杂志》,2017年。arXiv公司,内政部 一种用于颅面CBCT图像阴影校正的改进模糊C均值算法CMBEBIH,2017年 MAX IV成像概念.第条 基于线性化变形的形状图像重建《逆向问题》,2017年。内政部 项目 代码 多层网格CT重建 李群上的反问题 的绑定EMRecon(电子侦察)PET包装 基于核范数正则化的ADF-STEM重构 许可证 Mozilla公共许可证2.0或更高版本。请参阅许可证文件。 ODL开发人员 ODL的开发始于2014年,是OzanÖktem“医学成像中的低复杂度图像重建”项目的一部分(@臭氧生物)乔纳斯·阿德勒(@阿德勒-j)和霍尔格·科尔(@科尔-赫). 其他几个人也做出了重大贡献,请参阅贡献者列表。 要联系开发人员,请在问题跟踪器上打开问题或发送电子邮件至odl@math.kth.se. 基金 ODL主要开发于斯德哥尔摩皇家理工学院和阿姆斯特丹维斯昆德信息中心(CWI).它由瑞典战略研究基金会资助,作为“医学成像中的低复杂度图像重建”项目的一部分。 一些开发时间也由直线加速器.