Zobrazeno 1 - 10
of 28
pro vyhledávání: '"Boink, Yoeri E."'
Data assisted reconstruction algorithms, incorporating trained neural networks, are a novel paradigm for solving inverse problems. One approach is to first apply a classical reconstruction method and then apply a neural network to improve its solutio
Externí odkaz:
http://arxiv.org/abs/2003.11253
Autor:
Boink, Yoeri E., Brune, Christoph
Our world is full of physics-driven data where effective mappings between data manifolds are desired. There is an increasing demand for understanding combined model-based and data-driven methods. We propose a nonlinear, learned singular value decompo
Externí odkaz:
http://arxiv.org/abs/1912.10840
In an inhomogeneously illuminated photoacoustic image, important information like vascular geometry is not readily available when only the initial pressure is reconstructed. To obtain the desired information, algorithms for image segmentation are oft
Externí odkaz:
http://arxiv.org/abs/1906.07499
Autor:
Boink, Yoeri E., Lagerwerf, Marinus J., Steenbergen, Wiendelt, van Gils, Stephan A., Manohar, Srirang, Brune, Christoph
Photoacoustic tomography is a hybrid imaging technique that combines high optical tissue contrast with high ultrasound resolution. Direct reconstruction methods such as filtered backprojection, time reversal and least squares suffer from curved line
Externí odkaz:
http://arxiv.org/abs/1707.02245
Publikováno v:
Boink, Y, Haltmeier, M, Holman, S & Schwab, J 2022, ' Data-consistent neural networks for solving nonlinear inverse problems ', Inverse Problems and Imaging . https://doi.org/10.3934/ipi.2022037
Data assisted reconstruction algorithms, incorporating trained neuralnetworks, are a novel paradigm for solving inverse problems. One approachis to rst apply a classical reconstruction method and then apply a neuralnetwork to improve its solution. Em
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::12846bc7f683043f90923039ef395c8b
https://doi.org/10.3934/ipi.2022037
https://doi.org/10.3934/ipi.2022037
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Photons Plus Ultrasound: Imaging and Sensing 2019
Photons Plus Ultrasound: Imaging and Sensing 2019, 10878
Photons Plus Ultrasound: Imaging and Sensing 2019, 10878
Classical non-learned algorithms for photoacoustic tomography (PAT) reconstructions are mathematically proven to converge, but they can be very slow and inadequate with respect to model and data assumptions. Recently, learned neural networks have sho
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1bf4c7a372fe9be4d5367c055aaa053c
https://doi.org/10.1117/12.2507446
https://doi.org/10.1117/12.2507446
