- 参考论文：Noise Adaptive Deep Convolutional Neural Network for Whole-Body PET Denoising
- 笔记人：陈亦新
很多的因素都会影响到PET的图像噪音水平，比方说：注射剂量，等待时间，患者BMI和扫描持续时间等等。传统的PET噪音降噪方法有：
- regularized image reconstruction正则化图像重建
- non-linear post-filtering非线性后滤波
两者都需要用户选择和设置各种参数。
其中还涉及到两个维度：
- intra-patient患者间噪音
- inter-patient患者内噪音
因此这篇文章的主要贡献在于：一种深度卷积网络的方法来针对全身PET降噪，可以自适应不同的输入噪音水平，输出稳定的一致的低噪音PET图像。
采用了8层的残差网络结构。
研究包含了8个studies。
损失函数：
网络预测的是需要降噪的噪音分布，也是学习传统的降噪方式。
