线性变分去噪声matlab代码使用深度学习先验和局部线性拟合的惩罚性PET重建
你好,
我是金敬尚。
(kssigari(at)gmail.com,kkim24(at)mgh.harvard.edu)
该代码用于以下论文:Kyungsang
Kim等。
“使用深度学习先验和局部线性拟合对PET进行重建”,IEEE
Transactions
on
Medical
Imaging。
()
由于数据文件带有链接,因此请仔细阅读以下内容。
抽象的
受深度学习在医学成像中巨大潜力的推动,我们提出了一种基于深度学习的先验迭代正电子发射断层扫描(PET)重建框架。
我们利用去噪卷积神经网络(DnCNN)方法,并使用全剂量图像作为地面真实情况和通过泊松细化从下采样数据重构的低剂量图像作为输入来训练网络。
由于大多数公开的深度网络都是在预定的噪声水平下进行训练的,因此训练和测试数据的噪声水平差异是它们作为通用先验技术的适用性的主要问题。
特别是,噪声水平在每次迭代中都会发生显着变化,这可能会降低迭代重建的总体性能。
由于现有研究不足,我们进行了仿真并评估了各种噪声条件下性能的下降。
我们的发现表明,Dn
2022-01-21 19:56:03
2.14MB
系统开源
1