相关文章

• 基于残差挤压激励神经网络的材料分解
  2025, 34(1): 117-128. DOI: 10.15953/j.ctta.2024.131
• 基于深度学习的EPRI稀疏重建方法
  DOI: 10.15953/j.ctta.2025.047
• 基于CNN和Transformer耦合网络的低剂量CT图像重建方法
  2022, 31(6): 697-707. DOI: 10.15953/j.ctta.2022.114
• 基于深度学习的低剂量CT成像算法研究进展
  2022, 31(1): 117-134. DOI: 10.15953/j.1004-4140.2022.31.01.14
• 探讨基于卷积神经网络对颅底骨折CT图像精准诊断的应用价值
  2021, 30(6): 769-776. DOI: 10.15953/j.1004-4140.2021.30.06.13
• 基于改进U-Net卷积神经网络的储层预测
  2021, 30(4): 403-416. DOI: 10.15953/j.1004-4140.2021.30.04.01
• 基于卷积神经网络的断层预测方法
  2020, 29(5): 522-533. DOI: 10.15953/j.1004-4140.2020.29.05.02
• 基于渐进式网络处理的低剂量Micro-CT成像方法
  2020, 29(4): 435-446. DOI: 10.15953/j.1004-4140.2020.29.04.06
• 能谱CT成像瞬时切换技术对于肺结节的临床价值
  2019, 28(6): 701-708. DOI: 10.15953/j.1004-4140.2019.28.06.08
• 两类服务于反投影滤波算法的有限希尔伯特变换的实现及其稳定性分析(英文)
  2014, 23(4): 561-568.