本文探讨了使用深度卷积神经网络对医学图像进行重建的方法，通过对比不同回波信号数量下图像的重建效果，发现预处理如图像归一化的重要性，并分享了实验过程与结果。
这篇博客主要是实现论文（Deep Convolutional Neural Network for Inverse Problems in Imaging），这篇论文主要是用较少的回波信号对医学图像进行重建，用较多的回波信号进行医学图像重建，然后以分辨率较低的图像作为输入图像，分辨率较高的图像作为参考图像，对神经网络进行训练，如下图所示：
在这个项目中，我只找到了论文中的一部分数据，以这些数据进行训练得到的结果如下所示：
输入图像：
参考图像：
预测图像：
这里我猜测为什么感觉预测图像和输入图像很相识，可能是因为最后一层是把输入图像和预测图像相加，所以导致这样的结果，所以我把最后一层的把输入图像加起来的那个步骤去掉，然后进行训练得到的结果如下所示：
虽然看起来效果提高了，但是根据论文的评价指标，效果还是不行，所以如果可以把医学图像归一化到0到1的话，显示效果应该会提高很多。
代码可以在我的github中下载，我是用keras实现的代码，至于数据可以在这里下载https://drive.google.com/open?id=0B9fSVcoxJuVwMDlxbXdvcTRaM2M
这可能需要能上geogle才能下载这个数据
扫一扫
940
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
