求PETS2007数据集

请问一下有PETS2007数据集吗？就是内含游荡标签的数据集，我在网络上找遍了都没能和找到……

• 给你找了一篇非常好的博客，你可以看看是否有帮助，链接：科大讯飞2020脑PET图像分析和疾病预测---单模型进决赛前五
• 除此之外, 这篇博客: 【论文阅读】医疗影像图像增强中的 使用深度学习对低剂量的PET图像重建 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 1. 模型结构

     说白了就是U-NET，红色箭头处的实现方式还有待研究。。相加？哪两个图相加呢？输入是Mutil-slice，中间的那张吗？

     

  2. 残差连接

  3. Mutil-slice输入

     不同slice的重建效果图，着重看的是箭头处的重建细节。

     

  4. Loss function

     关键环节。

     L1 loss：

     Ll1=1NM∑i=1N∑j=1M∣xi,j−yi,j∣L^{l_1} = \frac{1}{NM}\sum_{i=1}^N\sum_{j=1}^M|x_{i,j} - y_{i,j}|Ll1​=NM1​i=1∑N​j=1∑M​∣xi,j​−yi,j​∣

     NNN，MMM是相应的行和列。其中，xi,j,yi,jx_{i,j},y_{i,j}xi,j​,yi,j​分别是两幅图像在点(i,j)(i,j)(i,j)处的像素强度。

     两幅图像求 loss，两幅图像 应该都是灰度图，即单通道，应该是 归一化之后的。。如果未归一化，则反向传播会十分的困难。

     图像归一化输入，对于输出，也相当于归一化之后的图像，还要从归一化之后的图像恢复到原图的像素范围吗？

     其次，还有SSIM(structural similarity index)和MS-SSIM(multi-scale the structural similarity index)，相应的公式分别为：

     LSSIM=1NM∑i=1N∑j=1M(1−SSIM(i,j))L^{SSIM} = \frac{1}{NM}\sum_{i=1}^N\sum_{j=1}^M(1-SSIM(i,j))LSSIM=NM1​∑i=1N​∑j=1M​(1−SSIM(i,j))

     LMS−SSIM=1NM∑i=1N∑j=1M(1−MS−SSIM(i,j))L^{MS-SSIM} = \frac{1}{NM}\sum_{i=1}^N\sum_{j=1}^M(1-MS-SSIM(i,j))LMS−SSIM=NM1​∑i=1N​∑j=1M​(1−MS−SSIM(i,j))

     其中：

     SSIM(i,j)=2μxμy+C1μx2+μy2+C1∗2σxy+C2σx2+σy2+C2=l(i,j)∗cs(i,j)SSIM(i,j) = \frac{2\mu_x\mu_y + C_1}{\mu_x^2 + \mu_y^2 + C_1} * \frac{2\sigma_{xy} + C_2}{\sigma_x^2 + \sigma_y^2 + C_2} = l(i,j)*cs(i,j)SSIM(i,j)=μx2​+μy2​+C1​2μx​μy​+C1​​∗σx2​+σy2​+C2​2σxy​+C2​​=l(i,j)∗cs(i,j)

     MS-SSIM就先不介绍了，可以自行百度。

     说了这么多，其实还是选择了L1。理由如下：在这三种方案中，与SSIM和MS-SSIM相比，L1损耗不仅可以避免L2损耗带来的斑片伪影，而且几乎不增加反向传播的开销。因此，在接下来的实验中，选取L1损失作为训练过程的损失函数。

     5. 环境
     • 2 NVIDIA GTX 1080Ti GPUs
     • RMSprop optimizer
     • Lr 1∗10−31*10^{-3}1∗10−3 到2.5∗10−42.5*10^{-4}2.5∗10−4
     • 120 epoches
     6. 评价指标 metrcs

     评价的时候使用了LOOCV，即每次训练，拿出8个作为训练集，拿出1个作为验证集。

     没有test??

     • PSNR-signal to noise ratio
     • SSIM (没错，能做loss就能做评价指标)
     • NRMSE -normalized root mean square error

     

     7. 重建的结果

     细节部分的结果，a和f。

     

     不同方法，在不同的评价指标上的结果。