机读格式显示(MARC)

• 000 01915nam0 2200325 450

• 001 0000854127

• 005 20250728161333.0

• 010 __ |a 978-7-122-48078-1 |d CNY69.00

• 092 __ |a CN |b 人天1185-2417

• 099 __ |a CAL 012025080925

• 100 __ |a 20250725d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 层析成像深度学习图像重建技术 |A ceng xi cheng xiang shen du xue xi tu xiang chong jian ji shu |e 电阻及电阻/超声双模态融合 |d = Tomographic deep learning image reconstruction technique |e resistance and resistance/ultrasound dual-modality fusion |f 李峰著 |z eng

• 210 __ |a 北京 |c 化学工业出版社 |d 2025.08

• 215 __ |a 132页 |c 图 |d 24cm

• 314 __ |a 李峰, 太原工业学院副教授。毕业于天津大学控制科学与工程专业, 博士学位, 主要研究方向: 多相流动工业过程检测、过程层析成像图像重建、深度学习方法。

• 320 __ |a 有书目 (第123-132页)

• 330 __ |a 本书从层析成像技术的基本概念和研究意义入手, 逐步深入探讨了单模态与多模态层析成像技术的原理、数学模型及图像重建方法。书中不仅详细介绍了电阻层析成像和超声层析成像的基本原理, 还通过对比分析, 阐述了这两种技术在实际应用中的优缺点和适用场景。本书还特别介绍了深度学习在层析成像图像重建中的应用。通过构建V型网络、Landweber深度学习图像重建模型等先进方法, 展示了深度学习在提升图像质量、增强抗噪性能等方面的巨大潜力。同时, 本书还提出了电阻/超声双模态注意力融合图像重建的新思路, 为层析成像技术的未来发展提供了新的方向。

• 510 1_ |a Tomographic deep learning image reconstruction technique |e resistance and resistance/ultrasound dual-modality fusion |z eng

• 517 1_ |a 电阻及电阻/超声双模态融合 |A dian zu ji dian zu / chao sheng shuang mo tai rong he

• 606 0_ |a 机器学习 |A ji qi xue xi |x 应用 |x 电阻 |x 层析成象 |x 图象重建

• 690 __ |a O441.1-39 |v 5

• 701 _0 |a 李峰 |A li feng |4 著

• 801 _0 |a CN |b 人天书店 |c 20250725

• 902 __ |a Rt1181-2807

• 962 __ |a 92672690 |x e035e0cf4b74e6f8a071d7cccbe0bc

• 997 __ |a 可供