Débruitage d'images médicales à faible SNR a l'aide de Réseau CycleGAN

Abstract

Notre travail s’inscrit dans le cadre du problème de débruitage d’images dans un contexte d’apprentissage profond. Nous implémentons deux variantes du réseau antagonistes discriminateurs GAN, à savoir Deep Convolutional GAN (DCGAN) et CycleGAN. Les deux réseaux sont appliqués pour améliorer la qualité des images TEP à faible dose. Pour évaluer les performances des deux réseaux, deux métriques sont pris en considération : le rapport max signal sur bruit (PSNR) et l’indice de similarité structurelle (SSIM) . Les résultats obtenus sont acceptables et prouvent la supériorité du réseau CycleGAN ent termes des deux critères et de la qualité des images obtenus.