亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Uncertainty-Informed Bayesian PET Image Reconstruction Using a Deep Image Prior

过度拟合 先验概率 人工智能 迭代重建 计算机科学 卷积神经网络 稳健性(进化) 贝叶斯概率 图像质量 模式识别(心理学) 图像(数学) 计算机视觉 人工神经网络 生物化学 基因 化学
作者
Viswanath P. Sudarshan,K. V. Reddy,Mohana Singh,Jayavardhana Gubbi,Arpan Pal
出处
期刊:Lecture Notes in Computer Science 卷期号:: 145-155 被引量:1
标识
DOI:10.1007/978-3-031-17247-2_15
摘要

Model-based image reconstruction (MBIR) methods using convolutional neural networks (CNNs) as priors have demonstrated superior image quality and robustness compared to conventional methods. Studies have explored MBIR combined with supervised and unsupervised denoising techniques for image reconstruction in magnetic resonance imaging (MRI) and positron emission tomography (PET). Unsupervised methods like the deep image prior (DIP) have shown promising results and are less prone to hallucinations. However, since the noisy image is used as a reference, strategies to prevent overfitting are unclear. Recently, Bayesian DIP (BDIP) networks that model uncertainty tend to prevent overfitting without requiring early stopping. However, BDIP has not been studied with data-fidelity term for image reconstruction. In this work, we propose an MBIR framework with a modified BDIP. Specifically, a novel uncertainty-based penalty is included to the BDIP to improve reconstruction across iterations. Results on simulated and in vivo data show that our method yields improved reconstruction compared to methods with conventional priors and typical DIP without uncertainty. Notably, the uncertainty maps across iterations provide insights on improving image quality and can aid in risk management.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
严珍珍完成签到 ,获得积分10
4秒前
gszy1975完成签到,获得积分10
15秒前
32秒前
36秒前
Echo完成签到,获得积分10
45秒前
50秒前
50秒前
50秒前
量子星尘发布了新的文献求助10
1分钟前
1分钟前
1分钟前
1分钟前
2分钟前
资白玉完成签到 ,获得积分0
2分钟前
Fern发布了新的文献求助10
2分钟前
情怀应助yyy采纳,获得10
2分钟前
乒坛巨人完成签到 ,获得积分0
2分钟前
2分钟前
yyy发布了新的文献求助10
2分钟前
顾矜应助科研通管家采纳,获得10
2分钟前
领导范儿应助科研通管家采纳,获得30
2分钟前
量子星尘发布了新的文献求助10
3分钟前
tranphucthinh完成签到,获得积分0
3分钟前
xyx完成签到,获得积分10
3分钟前
悄悄拔尖儿完成签到 ,获得积分10
3分钟前
yyy发布了新的文献求助10
4分钟前
MchemG举报甜晞求助涉嫌违规
4分钟前
yyy发布了新的文献求助10
4分钟前
lulululululu完成签到,获得积分10
4分钟前
4分钟前
lulululululu发布了新的文献求助10
4分钟前
4分钟前
4分钟前
4分钟前
量子星尘发布了新的文献求助10
4分钟前
MchemG举报棉花糖求助涉嫌违规
4分钟前
吱吱发布了新的文献求助10
5分钟前
吱吱完成签到,获得积分10
5分钟前
5分钟前
5分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
A new approach to the extrapolation of accelerated life test data 1000
Coking simulation aids on-stream time 450
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 360
Novel Preparation of Chitin Nanocrystals by H2SO4 and H3PO4 Hydrolysis Followed by High-Pressure Water Jet Treatments 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4015149
求助须知:如何正确求助?哪些是违规求助? 3555115
关于积分的说明 11317881
捐赠科研通 3288577
什么是DOI,文献DOI怎么找? 1812284
邀请新用户注册赠送积分活动 887869
科研通“疑难数据库(出版商)”最低求助积分说明 811983