Deep Learning in Inverse Problems

Deep Learning zur Steigerung der Bildrekonstruktionsqualität

Häufig sind die interessanten Größen (wie z.B. CT-Bilder vom Inneren eines Körpers) nicht direkt messbar, sondern müssen aus beobachtbaren Daten (z.B. Intensitätswerte von Röntgenstrahlen in der CT) mathematisch berechnet werden. Diese mathematische Berechnungen sind häufig instabil. Hinzu kommt, dass oft nicht genügend Daten zur Verfügung stehen. Dies führt in der Regel zu starken Qualitätseinbußen (Fehlern) in den Rekonstruktionen.

Im Projekt geht es um die Erforschung und Umsetzung von Deep Learning-Methoden, die im Kontext der Bildrekonstruktion zur Kompensation von fehlenden Daten eingesetzt werden können und mit welchen eine Erhöhung der Rekonstruktionsqualität erzielt werden kann.