讲座人简介：

李宏伟，首都师范大学数学科学学院，教授、博士生导师。2002年博士毕业于中国科学院软件研究所，2005年-2008年访学挪威卑尔根大学，2007年底至今就职于首都师范大学。中国体视学学会CT理论与应用分会委员会委员，中国工业与应用数学学会专委会委员。长期从事数值计算、CT成像与图像处理等反问题研究，在包括TIP, Inverse Problems，Medical Physics, SIAM J. SCI. COMPUT. 等期刊上发表论文40余篇，授权国家发明专利 6 项。目前主持国家攻关项目子课题一项，参与北京市自然科学基金重点项目1项、北京市自然科学基金面上项目1项，曾主持国家自然科学基金面上项目1项，参与国家科技部、国家基金委以及北京市基金委项目多项。 曾获得教育部科学技术进步奖二等奖(2018) (排名第7).

讲座简介：

Low dose leads to reconstructions with heavy noise and streak artifacts. Numerous methods have been proposed to improve the reconstruction quality of low-dose CT by incorporating various priors existed in the projection domain or image domain. In this talk, I will briefly review popular priors for low-dose CT imaging, and then introduce several recent works from our group that incorporating priors, e.g. noise statistics, edges distribution and physical forward model, explicit into neural networks for low dose CT reconstruction. Challenges and possible solutions shall be briefly discussed.