报告人：Larry Zeng(曾更生) 教授 Utah Valley University
主持人：张谊坤
报告时间：2025年5月20日（周二）上午10:30-11:30
报告地点：东南大学九龙湖校区计算机楼513报告厅；#腾讯会议：688-429-438
报告摘要：图像重建发展至今，大致归纳为三类方法：解析重建、迭代重建和机器学习重建。解析重建用工程思路解微积分，通过对成像的正向模型进行数学反演将采集的测量数据直接重建为断层图像。迭代重建通常最优化一个由数据保真项和正则化项组成的目标函数，不断地将当前图像的测量误差反向传递到图像空间并更新当前图像，直至重建误差降低到可接受范围内。近十年来，机器学习重建迅速发展，已经成为图像重建领域的新前沿方向，该类方法基于大量的训练数据建立输入到输出的映射关系，随着更大和更有代表性的数据集的建立，机器学习重建有潜力实现超越传统的解析重建和迭代重建的性能。本次报告将回顾图像重建算法的发展，同时探讨“从数学角度看需要采集多少投影数据才能够精确重建”。
报告人简介：曾更生教授，IEEE Fellow。于西北电讯工程学院（现西安电子科技大学）获应用数学学士学位，于University of New Mexico 获Electrical Engineering 硕士和博士学位。曾任Weber State University终身副教授和University of Utah终身教授，现任Utah Valley University终身教授。曾教授是医学图像重建领域资深学者，累计发表181篇同行评审论文，撰写5本教材，其中著作的《医学图像重建》一书，影响深远。
