深層学習を利用した圧縮センシング再構成の高速化
Accelerating Compressed Sensing Image Reconstruction using Deep Learning
Compressed Sensing(CS)は計算コストが問題となるため、Deep Learning（DL）で検討する内容
残差学習法を用いて、所要時間・画質について検討している
時間が短くアーチファクトが除去された画質を提供できている。
画質評価はPSNR、SSIM
２次元方向でのランダム間引きと１次元方向でのランダム間引きを行い比較している。
CSと比べ平滑化される傾向にあるが、アーチファクトが良好に除去される。
１次元方向のランダム間引きにおいてはデータを拡張させるとアーチファクト除去効果が上がる。
→残差学習法での除去はガウス雑音を想定しているが、近似したアーチファクトはともに除去される。
２次元での間引きによるアーチファクトはインコヒーレントとなり
ガウス雑音と近似度が高いが、
１次元ではコヒーレントとなり近似度は低く、拡張が十分な学習を生み出し功を奏する。
JJMRM 2019.39(1).29-32.
残差学習法とは：K.Zhangらが提案したConvolutional Neural Network(CNN)による画像の白色雑音除去法
PSNRとは：peak signal to noise ratio. 値が少ないほど劣化が激しく、高いほど劣化していないことを示します。
DLが全盛となると、もはやCSは過去の産物となるだろう。
しかし通過点はいつの時代もどの分野も必要だとおもう。
まるでMDプレイヤーのようだ。
