基于PyTorch + CUDA C++算子的CT图像重建工程系统 产品系统

本项目用于医学CT图像重建与去噪优化，针对低剂量CT图像噪声大、结构模糊的问题，设计基于Unrolled ADMM思想的深度重建网络，并结合C++/CUDA算子实现加速计算。适用于医学影像辅助分析、工业断层检测及图像重建优化场景。

项目包含完整的训练与评估流程，核心模块包括：

1.基于Unrolled ADMM思想构建的可展开重建网络

2.自定义C++/CUDA算子实现投影与反投影加速

3.PyTorch模型训练框架与多实验配置管理

4.支持多阶段参数学习与可学习正则化模块

5.自动化评估脚本输出PSNR、SSIM等指标

6.系统采用模块化工程结构，支持快速扩展不同重建算法与网络结构，具备一定科研与工程落地能力。

本人负责整体算法设计与工程实现，包括：

C++/CUDA算子开发与PyTorch接口封装

Unrolled ADMM网络结构设计

训练脚本与评估流程开发

GPU加速与性能优化

实验对比与指标分析

技术架构采用Python + PyTorch作为主框架，底层关键计算模块通过C++/CUDA实现自定义扩展，保证计算效率。整体工程采用模块化设计，支持参数化实验与可扩展结构。