摘要：降低计算机断层扫描(CT)的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向。与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建。实验比较,证明所提方法的降噪和细节保留能力优良。

摘要：在当代中国,营地逐渐成为学校和家庭之外的新兴教育场所。营地活动注重亲近自然的在地体验和团体协作的社会性成长,可以在青少年教育中发挥独特作用。雷励远征倡导青少年打破舒适圈,走向欠发达地区和自然野外,在公益实践、野外生存、多元合作中收获成长。