《表1 图7和图8的定量指标分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向低剂量CT图像的多生成器对抗网络降噪模型的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用峰值信噪比（PSNR）和结构相似性（SSIM）作为图像降噪质量的量化评价指标．具体的数值如表1所示，其中第2列和第3列数值对应图7，第4列和第5列数值对应图8．显然，深度学习模型的指标数值均高于传统算法．因此，深度学习模型比传统降噪算法更适用于低剂量CT图像降噪．采用GAN和带有残差网络的GAN（GAN+Resnet）降噪后的图像数值相近，因为残差网络主要是加速网络收敛，对降噪质量不会有明显的影响．多生成器的并行结构使得Tri GAN模型在PSNR和SSIM两大指标上均为最佳，PSNR值为26.67．与传统算法BM3D、NLM相比平均提高了约30%，与深度学习模型相比平均提高了4.5%；SSIM值为0.98，比传统算法BM3D、NLM平均提高了10%，比深度学习模型提高了1.5%.