深度学习——Metal artifact reduction

原论文：Metal artifact reduction on cervical CT images by deep residual learning

1.主要内容：提出了基于卷积神经网络的残差学习方法(RL-ARCNN) 。该方法能够减少颈椎CT图像中的金属伪影（由于人体植入金属部件后，拍CT时会出现放射状伪影）。

2.主要步骤：
（1）模拟各种金属伪影生成一个数据集，用于训练CNN。此数据集包括含有伪影的图像 (artifact-insert)，不含伪影的图像（artifact-free），伪影图像（artifact-residual）。
（2）设计模型主体结构

该网络结构参考了VGG网络。若设总层数为D，则可分为三种类型的层。第一层为Conv+relu（64个3* 3* 1尺寸的卷积核），该层用于提取局部的的纹理和边缘特征信息。第2-D-1层为Conv+Batch normalization+relu（64个3* 3* 1尺寸的卷积核）,用于提取feature map的局部特征，运用了零填充保证尺寸不减小，用Batch normalization保证收敛速度。最后一层为Conv(1个3* 3 * 64尺寸的卷积核)，该层用于产生最终的输出。

3.训练方法：
1）初始化权重参数

其中，random(0,1)产生0-1的随机数，neuron_in和neuron_out分别为输入层和输出层的神经元数目。

2）训练损失函数

其中，N表示输入图像划分的patch数；（pi-pf）表示伪影，即有伪影的图像 (artifact-insert)减去不含伪影的图像（artifact-free）；R（pi;θ）表示神经网络预测输出，pi为有伪影的图像 (artifact-insert)，θ表示训练的参数。
因此，这个损失函数计算的是预测的伪影与真实的伪影之间的F范数。故而该网络的输出是尽量真实的伪影。
3）优化函数采用Adam

4.最终结果
最后，不含伪影的图像=含伪影图像-伪影。

5.实验数据
1）划分不同尺寸图像模块的输入，计算其PSNR。由下表知，50* 50尺寸的PSNR较大。

2)本方法和普通方法对比计算PSNR。训练数据增多可显著提高PNSR，且该方法优于其他普通方法。

3）图像视觉对比

该数据为仿真数据。第一行为不含伪影图像，第二行为含伪影图像，第四行为模型输出图像，第三行为最终的去伪影图像。可见去除伪影还是比较明显。
4）真实图像去伪影

第一，第三行分别为含伪影图像和去伪影图像，第二，第四行分别为局部放大图。

深度学习——Metal artifact reduction相关推荐

ADN: Artifact Disentanglement Network for Unsupervised Metal Artifact Reduction
ADN: Artifact Disentanglement Network for Unsupervised Metal Artifact Reduction 文章简述一.前言 (一)动机 (二)解 ...
PyTorch深度学习基础之Reduction归约和自动微分操作讲解及实战（附源码超详细必看）
创作不易觉得有帮助请点赞关注收藏~~~ 一.PyTorch的Reduction操作 Reduction运算的特点是它往往对一个Tensor内的元素做归约操作,比如torch.max找极大值,torc ...
apple深度学习开发包Metal
转自:https://zhuanlan.zhihu.com/p/24623380?utm_source=tuicool&utm_medium=referral 今年的NIPS大会上,Googl ...
深度学习在计算机视觉中的应用长篇综述
深度学习在计算机视觉中的应用长篇综述前言 2012年ImageNet比赛,使深度学习在计算机视觉领域在全世界名声大震,由此人工智能的全球大爆发.第一个研究CNN的专家使Yann LeCun,现就职于 ...
超全！深度学习在计算机视觉领域的应用一览
作者 | 黄浴,奇点汽车美研中心首席科学家兼总裁转载自知乎简单回顾的话,2006年Geoffrey Hinton的论文点燃了"这把火",现在已经有不少人开始泼"冷水& ...
收藏 | 深度学习在计算机视觉领域的应用总结
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|计算机视觉联盟还是做一些背景介绍.已经是很热的深度学习, ...
深度学习在计算机视觉领域（包括图像，视频，3-D点云，深度图）的应用一览
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达来源 | 黄浴原文 | https://zhuanlan.zhihu.com/p/55747295 ...
【A】超全！深度学习在计算机视觉领域的应用一览
作者 | 黄浴,奇点汽车美研中心首席科学家兼总裁转载自知乎简单回顾的话,2006年Geoffrey Hinton的论文点燃了"这把火",现在已经有不少人开始泼"冷水& ...
深度学习在计算机视觉领域图像应用总结
简单的回顾的话,2006年Geoffrey Hinton的论文点燃了"这把火",现在已经有不少人开始泼"冷水"了,主要是AI泡沫太大,而且深度学习不是包治百病的 ...

深度学习——Metal artifact reduction

深度学习——Metal artifact reduction相关推荐

最新文章

热门文章