论文学习18“Real-time image reconstruction for low-dose CT using deep convolutional generative adversa...

本文是采用去噪的思想，FCN网络作为去噪的生成器，再加上判别器和IR IMAGE的损失，形成网络的学习模式，完成去噪的功能。

X域是LDCT，Y域是无噪声的CT，G作用就是完成X到Y的转换。作者为这个模型定义了三个损失函数，第一个是生成器的去噪损失。噪声CT图像可以定义为去噪后的图像加上噪声两部分：

，假设图像各像素之间独立同分布，那么

，作者定义了去噪后的图像和原始图像x之间的平方差为：

所以第一个关于G的损失函数定义为：

�

       这个损失函数的意义是不要让GAN生成出来的图片与真实图片相差很大，就是不要生成虚假图像。第二个损失是G的去噪图像和IR IMAGE的损失，因为IR IMAGE可以更加符合真实图像，所以定义第二个loss ：

第三个loss就是GAN里G和D之间的损失，这里借鉴了WGAN的思想，loss里没有加log：

所以最终的损失函数就是：

生成器采用FCN结构，判别器采用 PatchGANs，损失函数用最小二乘法表示：

实验结果如下图所示：