使用去噪自编码器(DAE)与循环一致性生成对抗网络(Cycle-GAN)对模拟低场MRI(70mT)进行去噪
图像与视频处理
2023-07-14 v1 计算机视觉与模式识别
摘要
本工作中，我们实现了一种去噪Cycle-GAN（循环一致性生成对抗网络），以从模拟的低场、低分辨率、低信噪比(SNR)磁共振成像(MRI)图像生成高场、高分辨率、高SNR的MRI图像。采用重采样和加性莱斯噪声来模拟低场MRI。利用图像在成对和非成对情况下训练去噪自编码器(DAE)和Cycle-GAN。使用SSIM和PSNR图像质量指标对两个网络进行评估。本工作展示了一种生成式深度学习模型的使用，该模型能够优于经典DAE来改善低场MRI图像，且不需要图像对。
引用
@article{arxiv.2307.06338,
title = {Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN)},
author = {Fernando Vega and Abdoljalil Addeh and M. Ethan MacDonald},
journal= {arXiv preprint arXiv:2307.06338},
year = {2023}
}
备注
International Society of Magnetic Resonance in Medicine (ISMRM) 2023, Abstract Number 1764