读论文《Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction》IJCAI2022

题目：自适应卷积字典网络用于CT金属伪影还原

任务：CT金属伪影去除 MAR

论文地址：arxiv.org/pdf/2205.07471

项目地址：GitHub - hongwang01/ACDNet: 【IJCAI2022】Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction

该项目在目前使用下来效果比较好的，本博客先讲论文，如果大家复现有问题可以直接私信我或者等我心血来潮更新个代码讲解

论文还是能省就省，方便大家尽快去复现

摘要

        受深度神经网络巨大成功的启发，基于学习的方法在计算机断层扫描(CT)图像的金属伪影还原(MAR)方面取得了很好的效果。然而，大多数现有方法都不太强调建模和将特定MAR任务的内在先验知识嵌入到其网络设计中。

        针对这个问题，我们提出了一种自适应卷积字典网络(ACDNet)，它利用了基于模型和基于学习的方法。具体来说，我们探索了金属伪影的先验结构，例如，非局部重复条纹图案，并将其编码为显式加权卷积字典模型。然后，精心设计了一种简单有效的算法来求解该模型。通过将所提出算法的每个迭代子步骤展开为网络模块，我们显式地将先验结构嵌入到深度网络中，即MAR任务的清晰可解释性。此外，我们的ACDNet可以通过训练数据自动学习无伪影CT图像的先验，并根据每个输入CT图像的内容自适应调整其表示核。

        因此，我们的方法既继承了基于模型的方法清晰的可解释性，又保持了基于学习的方法强大的表示能力。在综合和临床数据集上进行的综合实验表明，我们的ACDNet在有效性和模型泛化方面具有优势。

介绍

        首先介绍了金属伪影的危害，巴拉巴拉……

        针对这种金属伪影还原(MAR)任