Deep Learning Models for Bone Suppression in Chest Radigraphs——论文笔记

版权声明：来自原创，转载需注明来源 https://blog.csdn.net/Formlsl/article/details/81065917

Deep Learning Models for Bone Suppression in Chest Radigraphs

method

1. Autoencoder-like convolutional model
   
   共享相同但相映射的编码器和解码器权重。实际上是一个降噪过程，但是这个噪声不是一个正态分布，而是有结构（骨架）。
   滤波器大小为5*5，stride=[1, 2, 2, 1].
   loss=mse+ms-ssim
2. multilayer convolutional neural model
   

很简单的一个模型,滤波器大小为5*5，stride=[1, 1, 1, 1].

loss = mse + ms-ssim

1. loss functions

见 Image Quality Assessment: From Error Visibility

to Structural Similarity

见Loss Functions for Neural Networks for Image Processing

1. experiment and result
   a. data
   35对数据，仿射变换到4000，旋转，上下左右颠倒，zoom,intensity shifts.horizontal and vertical shifts.随机crop，resized 440*440.应用clahe局部有限的直方图拉伸。标准化用方差和均值归一化。gt为双轮图像(two X-ray exposures at two different energy levels.)
   b.result

   

可能存在以下缺点：

• 数据量太少，网络泛化能力不足
• ae-like模型和纯cnn模型没有给出定量评价，无法判断哪个最好
  疑问：是否CNNs对结构型噪声存在很好效果？