{dede:global.cfg_webname/}
  • English
  • 官方微信
  • 首页
  • 栏目名称
    • 测试
  • 第二个
  • 首页
  • 学院概况
    • 学院简介
    • 历史沿革
    • 机构设置
    • 现任领导
    • 历任领导
    • 联系我们
  • 师资队伍
    • 全职教工
    • 讲座 兼职教授
    • 重要人才计划
    • 退休人员名单
  • 人才培养
    • 本科生培养
    • 硕士生培养
    • 博士生培养
  • 科学研究
    • 学术交流
    • 重点学科
    • 科研机构
    • 科研团队
    • 科研成果
    • 讨论班
  • 党团建设
    • 党建动态
    • 工会活动
    • 团学工作
  • 理论学习
    • 主题教育
  • 合作交流
    • 国际合作
    • 校际合作
    • 校企合作
  • 招生就业
    • 招生信息
    • 就业信息
    • 招生宣传
  • 校友之家
    • 校友组织
    • 校友基金
    • 校友活动
    • 百年院庆
    • 校友动态
  • 院务信箱

学术交流

  • 学术交流
  • 重点学科
  • 科研机构
  • 科研团队
  • 科研成果
  • 讨论班

学术交流

基于扩散模型的MR/CT/PET成像算法研究

日期:2025-04-28  作者:  点击:[]

题    目:基于扩散模型的MR/CT/PET成像算法研究

主讲人:耿孟晓

单    位:南昌大学

时    间:2025年4月30日 9:00

地    点:郑州校区九章学堂南楼C座203


摘    要:本报告聚焦于基于扩散模型的 MR/CT/PET 成像算法研究,系统阐述了磁共振成像(MRI)、计算机断层扫描(CT)和正电子发射断层成像(PET)的成像原理,对比分析了生成式模型(GAN、VAE、扩散模型)的特点与应用潜力,并深入探讨了扩散模型在医学成像领域的优势与挑战。研究工作涵盖了六个核心方向:(1)提出多扩散模型(DP-MDM)用于细节保留的磁共振重建,(2)通过多尺度扩散模型(MSDiff)实现超稀疏角 CT 重建,(3)构建双重约束扩散模型(DCDM)结合核 Transformer 优化超低剂量 PET 重建,(4)设计双层优化模型(BOM-MKDG)以多核与扩散引导提升 PET 图像质量,(5)利用变量增广可逆神经网络(TC-INN)完成 PET 双示踪剂转换,(6)并对 All Digital PET/CT DigitMI 930 设备的图像质量和活性进行优化评估。整体而言,本研究通过创新的扩散模型架构与算法优化,为提升医学影像成像质量、降低成像剂量、拓展示踪剂应用等关键问题提供了有效的解决方案,为临床诊断和治疗决策提供更可靠的影像依据。


简    介:耿孟晓, 2023年6月硕士毕业于河南大学数学与统计学院, 于2023年9月在南昌大学信息工程学院攻读博士学位. 曾访问中科院深圳先进技术研究院和合肥综合性国家科学中心人工智能研究院, 分别荣获 2024 年河南大学和河南省优秀硕士论文奖, 发表学术论文5篇。邀请人: 庞志峰



上一条:Robust and Scalable Bayesian Dimension Reduction 下一条:Efficient Algorithms for A Linear Thermo-Poroelastic Model

【关闭】

友情链接

  • 学校教务处
  • 学校党委办公室
  • 学校校长办公室
  • 清华大学数学系
  • 浙江大学数学科学院
  • 上海大学数学系
版权信息