noise2noise-在单b值DWI中寻找图像对的运用

小刘是学生

于 2024-05-05 14:31:28 发布

阅读量408

点赞数 5

文章标签：计算机视觉人工智能

本文链接：https://blog.csdn.net/m0_67695275/article/details/138449684

版权

本文介绍了作者在单b值DWI图像去噪研究中，利用noise2noise方法的应用，通过计算梯度方向的相似性，生成噪声图像对，以便于对比和降噪处理。使用dipy库读取和处理nii文件，通过余弦相似度找到最接近的噪声图像对，为后续去噪算法提供数据支持。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在做单b值DW图像的去噪算法研究，为了实现对比效果，所以这几天对noise2noise在DWI上的运用进行实现，而且今天收获很大，所以我又来记录了（嘿嘿，积少成多嘛）

一、单b值数据: 文件后缀 .nii ,使用库dipy（或者nibabel)读取

from dipy.io.image import load_nifti
nii_path = "file path"
data_array, affine, _ = load_nifti(nii_path, return_img=True)

我得到的data_array是四维的（deepth,height,width,n),第4维就是根据b值的采集个数而产生的。
二、如何获取noise2noise图像对(input,target)

由于单b值dwi数据本身的特性：b值<=5,近似看作干净图像（clean)，剩余的都是同b值的含噪图像，只是采集的梯度方向不一样。

就以b1000为例，要想找出适用于noise2noise的噪声图像对，其实不用像原论文那样（使用clean，加噪得noise1，再加噪得noise2，用noise1-noise2做图像对），对于单b值dwi,我们可以在同一b值下，使用某种相似度计算方法，找出梯度方向最近似的两个b1000噪