CBCT 与 pseudo CT
关注数据处理、模型训练、图像重建、结果验证和实验复盘。
我会优先记录能被复查、能被复用、能帮助后续判断的内容,而不是只留下最终结果。
关注数据处理、模型训练、图像重建、结果验证和实验复盘。
沉淀项目结构、脚本自动化、部署流程和可复用的工程约定。
用图像记录场景、构图、光线和视觉表达上的观察。
项目页更像工作记录:保留目标、边界、阶段进展和后续准备补齐的部分。
当前投入最多的研究主线,围绕 CBCT 到 pseudo CT 的数据处理、模型训练、结果验证和工程复盘展开。
围绕 CycleGAN 在 CBCT 到 CT 图像转换任务中的可行性、训练稳定性和工程边界做方法实验。
收拢 CBCT 重建中常用的工具、脚本和处理流程,为后续实验提供更稳定的工程底座。