用于医学成像的条件可逆神经网络
图像与视频处理
2021-10-28 v1
摘要
近年来，深度学习方法已成为解决逆问题领域任务日益流行的选择。许多这类新的数据驱动方法取得了令人印象深刻的成果，尽管大多数仅给出重建的点估计。然而，尤其在病态逆问题的分析中，不确定性的研究至关重要。在我们的工作中，我们将基于可逆神经网络的生成式流模型应用于两个具有挑战性的医学成像任务，即低剂量计算机断层扫描与加速磁共振成像。我们测试了可逆神经网络的不同架构并提供了广泛的消融研究。在大多数应用中，标准高斯分布被用作流模型的基分布。我们的结果表明，选择径向分布可改善重建质量。
引用
@article{arxiv.2110.14520,
title = {Conditional Invertible Neural Networks for Medical Imaging},
author = {Alexander Denker and Maximilian Schmidt and Johannes Leuschner and Peter Maass},
journal= {arXiv preprint arXiv:2110.14520},
year = {2021}
}