数据集对基于卷积神经网络算法的编码孔径<bold>γ</bold>相机成像质量影响
卷积神经网络（Convolutional Neural Network，CNN）算法已被用于编码孔径γ相机的图像重建中，提升了对成像过程中随机噪声的抑制效果。对于CNN算法，数据集的设置将直接影响模型的性能，然而，现有研究尚缺乏对此问题的讨论。本文基于点源成像过程开展研究，提出了一种基于蒙特卡罗模拟和线性随机组合的数据集生成方法，通过Geant4软件模拟编码孔径成像过程，并使用CNN算法完成图像重建。对点源定位时，<sup>57</sup>Co数据集的训练模型对<sup>57</sup>Co源定位的平均对比度信噪比（Contrast-to-Noi...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Science Press
2025-05-01
|
| Series: | He jishu |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.240370 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|