Zobrazeno 1 - 10
of 21
pro vyhledávání: '"penalized-likelihood methods"'
Autor:
Xue Ren, Soo-Jin Lee
Publikováno v:
IEEE Access, Vol 12, Pp 182590-182602 (2024)
This paper presents example-based methods for super-resolution (SR) reconstruction from a single set of low-resolution projections (or a sinogram) in positron emission tomography (PET). While deep learning-based SR approaches have shown promise acros
Externí odkaz:
https://doaj.org/article/7c96c1cd5d7e49bfaeb42a518f68ef3a
Autor:
Wen Zhu, Soo-Jin Lee
Publikováno v:
Sensors, Vol 23, Iss 13, p 5783 (2023)
We present an adaptive method for fine-tuning hyperparameters in edge-preserving regularization for PET image reconstruction. For edge-preserving regularization, in addition to the smoothing parameter that balances data fidelity and regularization, o
Externí odkaz:
https://doaj.org/article/9d83f89838ad445f83ee33562d88d80e
Autor:
Ji Eun Jung, Soo-Jin Lee
Publikováno v:
IEEE Access, Vol 8, Pp 189490-189502 (2020)
Transmission computed tomography (TCT) is a nondestructive imaging technique that provides cross-sectional images from attenuated transmission measurements. In this work we introduce a penalized-likelihood image reconstruction method for TCT where th
Externí odkaz:
https://doaj.org/article/47aa6a21ff0d43ea98e58b9c020ed20a
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lee, Wen Zhu, Soo-Jin
Publikováno v:
Sensors; Volume 23; Issue 13; Pages: 5783
We present an adaptive method for fine-tuning hyperparameters in edge-preserving regularization for PET image reconstruction. For edge-preserving regularization, in addition to the smoothing parameter that balances data fidelity and regularization, o
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=multidiscipl::257fd727d65b14219fb6bba094498fd9
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.
Autor:
Hui, Francis
In this thesis, new methods are proposed for using finite mixture models to analyse multi-species data in ecology. Developments range from theoretical results to empirical studies, offering contributions to the literatures of finite mixture models, s
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::fb4d0133b735bb95eff4b328c3ac1503
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.