基于广义Stein无偏风险估计器的图像重建模型自适应
机器学习
2022-01-02 v1 计算机视觉与模式识别
图像与视频处理
摘要
深度学习图像重建算法在采集方案与训练时所用前向模型差异显著时，常遭受模型失配问题。我们引入一种广义Stein无偏风险估计（GSURE）损失度量，使网络适应所测量的k空间数据并最小化模型失配的影响。与当前依赖k空间均方误差的方法不同，所提度量考虑了测量中的噪声。这使得该方法较不易过拟合，从而相比依赖均方误差的方案提供了改进的重建质量。该方法可能有助于将预训练模型快速适应于新的采集设置（例如多站点）以及与训练数据不同的对比度。
引用
@article{arxiv.2102.00047,
title = {Model Adaptation for Image Reconstruction using Generalized Stein's Unbiased Risk Estimator},
author = {Hemant Kumar Aggarwal and Mathews Jacob},
journal= {arXiv preprint arXiv:2102.00047},
year = {2022}
}