利用深度 Stein 无偏风险估计器进行无监督 X 射线去噪
计算机视觉与模式识别
2018-12-03 v1 机器学习
机器学习
摘要
在众多旨在抑制医学图像中噪声普遍性的技术中，基于深度学习的方法展现出最大潜力。然而，这些基于深度学习的去噪器的一个关键局限是需要高质量无噪声真值图像，而在许多医学成像应用（如 X 射线）中难以获取。为规避此问题，我们借助近期提出的 [7] 的方法，该方法结合 Stein 无偏风险估计器（SURE）来训练深度卷积神经网络，无需去噪的真值 X 射线数据。我们的实验结果证明了基于 SURE 的方法在 X 射线图像去噪中的有效性。
引用
@article{arxiv.1811.12488,
title = {Leveraging Deep Stein's Unbiased Risk Estimator for Unsupervised X-ray Denoising},
author = {Fahad Shamshad and Muhammad Awais and Muhammad Asim and Zain ul Aabidin Lodhi and Muhammad Umair and Ali Ahmed},
journal= {arXiv preprint arXiv:1811.12488},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216