FID-Net卷积字典网络

可解释金属伪影削减

利用傅里叶域与图像域双字典并行建模，在去除电池CT金属伪影的同时完整保留电极形态。

Xin, Tian · Zheng, Yin · Tan, Dalong · He, Yixin · Changzhe, Li · Chen, Tian · Yijie, Peng · 杨民

Measurement: Journal of the International Measurement Confederation 2026

技术优势

伪影去得干净

通过并行构建空间与频谱字典、迭代细化字典系数，能精确建模并去除金属伪影。

电极形态不丢

在去除伪影的同时完整保留电极形态，避免结构信息损失。

可解释性强

将CT成像物理融入网络设计，避免纯黑箱的通用图像复原思路。

真实数据验证

构建了真实电池CT数据集并在其上验证，并非仅在合成数据上有效。

应用场景

• 电池电极形貌分析：去除金属伪影，获得更真实的电极内部结构图像用于定量分析。
• 锂电池无损检测：提高电池CT图像质量，支撑锂电池内部的非破坏性检测。
• 工业CT图像重建：作为重建后处理模块，减少工业CT中的金属伪影。
• AI辅助CT影像诊断：提供可解释的深度网络，辅助CT影像的自动化诊断。