中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共5条，第1-5条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
Nonconvex Laplacian Manifold Joint Method for Morphological Reconstruction of Fluorescence Molecular Tomography 期刊论文
MOLECULAR IMAGING AND BIOLOGY, 2021, 页码: 13
作者:  He, Xuelei;  Meng, Hui;  He, Xiaowei;  Wang, Kun;  Song, Xiaolei;  Tian, Jie
收藏  |  浏览/下载：188/0  |  提交时间：2021/03/01
Fluorescence molecular tomography  Reconstruction  Nonconvex  Laplacian manifold  In vivo imaging  Morphology  
K-nearest Neighbor Based Locally Connected Network for Fast Morphological Reconstruction in Fluorescence Molecular Tomography 期刊论文
IEEE Transactions on Medical Imaging, 2020, 卷号: 无, 期号: 无, 页码: 无
作者:  Meng, Hui;  Gao, Yuan;  Yang, Xin;  Wang, Kun;  Tian, Jie
浏览  |  Adobe PDF(4698Kb)  |  收藏  |  浏览/下载：274/72  |  提交时间：2020/04/29
Fluorescence Tomography  Machine Learning  Brain  
Domain Transform Network for Photoacoustic Tomography from Limited-view and Sparsely Sampled Data 期刊论文
Photoacoustics, 2020, 卷号: 19, 期号: 19, 页码: 100190
作者:  Tong Tong;  Wenhui Huang;  Kun Wang;  Zicong He;  Lin Yin;  Xin Yang;  Shuixing Zhang;  Jie Tian
Adobe PDF(9199Kb)  |  收藏  |  浏览/下载：183/50  |  提交时间：2020/11/02
Deep learning  Photoacoustic tomography  Domain transformation  Medical image reconstruction  
Improved generative adversarial networks using the total gradient loss for the resolution enhancement of fluorescence images 期刊论文
BIOMEDICAL OPTICS EXPRESS, 2019, 卷号: 10, 期号: 9, 页码: 4742-4756
作者:  Zhang, Chong;  Wang, Kun;  An, Yu;  He, Kunshan;  Tong, Tong;  Tian, Jie
Adobe PDF(4570Kb)  |  收藏  |  浏览/下载：268/76  |  提交时间：2019/09/26
Reconstruction of Fluorescence Molecular Tomography via a Fused LASSO Method Based on Group Sparsity Prior 期刊论文
IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, 2019, 卷号: 66, 期号: 5, 页码: 1361-1371
作者:  Jiang, Shixin;  Liu, Jie;  Zhang, Guanglei;  An, Yu;  Meng, Hui;  Gao, Yuan;  Wang, Kun;  Tian, Jie
浏览  |  Adobe PDF(5641Kb)  |  收藏  |  浏览/下载：489/120  |  提交时间：2019/07/11
Fluorescence molecular tomography  image reconstruction  fused LASSO method  group sparsity