Probabilistic imaging
重建图像，也理解不确定性。
用生成式流模型研究 PET 图像重建，将先验与后验建模带入医学成像。相关成果发表于 IEEE ISBI 2026。
问题
医学图像重建不仅关心一张清晰图像，也关心估计是否可靠。将 PET 重建表述为贝叶斯推理问题，可以在重建结果之外进一步研究后验分布与不确定性。
关键取舍
- Probabilistic formulation
- 围绕示踪剂活度的先验与后验分布建立深度概率成像流程。
- Learned flow priors
- 研究 RealNVP、Glow 等归一化流模型在医学图像重建中的使用。
- Scalable experiments
- 在 Slurm 集群中进行多 GPU 并行训练，支持重建质量与不确定性量化实验。
结果
论文 Bayesian PET Reconstruction with Learned Normalizing Flow Priors 发表于 IEEE ISBI 2026（2026 年 4 月 8–11 日）。作者：Hengjia Ran、Yuxuan Lin、Huafeng Liu、Bo Zhao；本人为第二作者。
相关笔记