成像设施变结构全数字PET装置负责人谢庆国团队在核医学领域期刊《Physics in Medicine & Biology》上发表了题为“A hybrid predictor–corrector network and spatiotemporal classifier method for noisy plant PET image classification”的研究成果，提出了一种改进的优化方法结合深度卷积神经网络PCNet来为动态植物 PET 图像的去噪问题提供精确的解决方案。
该解决方案结合预测-校正网络（PCNet），采用一种新颖的无监督学习方法在无需噪声消除的动态训练集的情况下进优化。进一步，去噪后的动态植物 PET 图像序列被输入到一个独特的分类系统中，将图像的空间表示和多变量时间序列的时序表示编码作为统一的时空表示并生成预测。实验结果表明所提出的方法能够降低噪声强度，并有效地对时空信息进行编码，克服了现有方法的局限性。该方法也可为其它有噪声的动态图像分类研究提供借鉴。
PCNet与其他4种算法的视觉对比
原文链接：https://iopscience.iop.org/article/10.1088/1361-6560/ade8cd/pdf?utm_source=clarivate&getft_integrator=clarivate
