《表2 不同方法在AAPM(1mm/3mm)厚度测试集的平均RMSE、PSNR、SSIM对比》
表2为AAPM 1mm和3mm厚度图像测试集的平均RMSE、PSNR、SSIM对比,其中标记加粗的值为最优。FWDNet为结合亚像素的小波域扩张网络,FFWDNet是在FWDNet基础上去掉批归一化的快速版本,相比FWDNet计算复杂度更低,但会牺牲一些精度。与之对比的是CNN10[4]和RED-CNN[4],皆为基于卷积神经网络的低剂量图像重建方法。FWDNet在1mm和3mm厚度测试集中都表现出色,在1mm厚度测试集对比结果中,相比RED-CNN,平均PSNR和SSIM值分别高0.142 7dB和0.005 4,平均RMSE值低0.207 9;在3mm厚度对比数据中,相比RED-CNN,平均PSNR和SSIM值分别高0.093 9dB和0.006 2,平均RMSE值低0.161 6。而FFWDNet由于去掉批归一化,重建图像的精度低于FWDNet,但仍优于其他两种方法。
图表编号 | XD00157091100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 李坤伦、张鲁、许宏科、宋焕生 |
绘制单位 | 长安大学教育技术与网络中心、长安大学电子与控制工程学院、长安大学教育技术与网络中心、长安大学电子与控制工程学院、长安大学教育技术与网络中心、长安大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |