《表2 不同损失函数在测试集上的平均指标比较》
为研究1.3节所述的3种损失函数对网络结构的影响,分别对默认的HPWGAN-3D做了如下改动:只保留MSE损失;只保留纹理损失;只保留感知损失。图像(1)(2)的测试结果如图6所示,其中奇数排代表30~80 ke V的去噪图像,偶数排代表80~120 ke V的CT图像处理结果。正如所预料的一样,只保留MSE损失会使图6(a)轮廓边缘模糊;只保留纹理损失的图6(b)所展示的边缘相较于图6(a)更加锐化;只保留感知损失使网络训练注重特征空间,图6(c)中的轮廓突出,但是会产生高频伪影。而3种损失函数的结合对提升网络的去噪性能产生了积极作用,图6(d)证明复合感知损失函数优于其他任何单一的损失函数。此外,所有测试集上的图像评价结果如表2所示。使用MSE损失容易取得较高的PSNR值,因为网络是利用像素间的均方误差进行优化的,但是对于注重细节的医疗诊断来说,主观效果更为重要,只使用MSE的视觉效果不佳。此结果也证明相较于2.3.2中的CNN网络[10]的测试结果,残差单元的引入能提升图像质量。综上,复合感知损失函数在主观视觉和客观指标上都优于其他方法。
图表编号 | XD00222494600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 史再峰、李金卓、曹清洁、李慧龙、胡起星 |
绘制单位 | 天津大学微电子学院、天津市成像与感知微电子技术重点实验室、天津大学微电子学院、天津师范大学数学科学学院、天津大学微电子学院、天津大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |