2020年運用分割網(wǎng)絡做的圖像生成凤类，網(wǎng)絡：3D-UNet ? 已配準的數(shù)據(jù)進行實驗
該實驗對輸入數(shù)據(jù)進行配置绵载，從中發(fā)現(xiàn)不同配置下的輸入數(shù)據(jù)對實驗產(chǎn)生的影響宦言，從而探究影響生成結果的參數(shù)蔽氨。
數(shù)據(jù)：采集人和犬骨盆區(qū)域的MR和CT掃描鹉戚，使用非剛性配準進行配對垫桂。數(shù)據(jù)是配準以后且配對的师幕。數(shù)據(jù)十分難獲取。數(shù)據(jù)：17個犬類+23個人類實驗數(shù)據(jù)诬滩。人類數(shù)據(jù)：27個病人前列腺癌
評估標準：峰值SNR霹粥，平均絕對誤差和平均誤差來重建HU單元地圖。骰子相似系數(shù)和表面距離圖評估集合保真度疼鸟。
實驗配置：Keras 2.1.3? TensorFlow 1.7 ? GeForce GTX 1080 Ti (NVIDIA, Santa Clara, CA) GPUs.?
結果：單通道：MAE：17%后控，28%（bone）；多通道：Dice相似系數(shù)和MAE統(tǒng)計學上效果更好空镜，人類：33~40HU浩淘，犬類：35~47HU
結論：研究基于梯度回波的對比作為犬和人類中基于深度學習的sCT生成模型的輸入影響。發(fā)現(xiàn)兩個參數(shù)會影響sCT生成的性能和可重復性吴攒。參數(shù)有：單個MR圖像與TE相關的水脂干擾张抄；輸入中組合的多個相關MR圖像作為通道提高模型的性能和可重復性。
Q：文章中的數(shù)據(jù)源是否給出洼怔？
A：
Q：UNet深度學習模型是什么樣的署惯？如何生成合成CT，且輸入數(shù)據(jù)是什么镣隶？
A：3D-UNet：輸入4DMR（3空間維度+一個通道維度）极谊，塊大小 (輸入配置通道數(shù)*3*3*3),網(wǎng)絡架構（3*3*3卷積層，2*2*2最大池化層）實現(xiàn)規(guī)范化和校正的線性單元激活層安岂，生成約400萬個可訓練參數(shù)轻猖，在最近鄰插值法上運用上采樣，這樣可以避免在圖像生成任務中出現(xiàn)的棋盤偽影域那。輸入數(shù)據(jù)：T1‐weighted multi‐echo gradient‐echo sequenceT1加權多回波梯度回波序列咙边。模型訓練兩個數(shù)據(jù)集斷言結果對采集參數(shù)和生理變化的變化具有魯棒性。
Q：骰子相似系數(shù)是什么次员？保真度是什么样眠？
Q：單通道和多通道是什么？Dice相似系數(shù)是什么翠肘？
Q：數(shù)據(jù)如何處理的檐束？
