Table 7.

FWHM and FWTM for image‐domain and sinogram‐domain denoising methods.

Domain	Method	160 HU Contrast						60 HU Contrast
		25% Dose		50% Dose		75% Dose		25% Dose		50% Dose		75% Dose
		FWHM	FWTM	FWHM	FWTM	FWHM	FWTM	FWHM	FWTM	FWHM	FWTM	FWHM	FWTM
Image	CNN‐MSE	0.23	0.43	0.25	0.46	0.26	0.48	0.17	0.32	0.19	0.35	0.23	0.42
	CNN‐MAE	0.23	0.43	0.26	0.48	0.26	0.48	0.18	0.34	0.20	0.36	0.22	0.40
	CNN‐VGG	0.26	0.48	0.27	0.49	0.30	0.55	0.25	0.46	0.25	0.46	0.28	0.52
	CNN‐VGGMSE	0.21	0.39	0.23	0.42	0.25	0.45	0.18	0.33	0.21	0.39	0.22	0.41
	CNN‐VGGMAE	0.21	0.39	0.22	0.41	0.23	0.42	0.17	0.32	0.21	0.38	0.21	0.39
	WGAN‐VGGMSE	0.25	0.45	0.28	0.52	0.29	0.52	0.20	0.36	0.23	0.43	0.25	0.45
	WGAN‐VGGMAE	0.25	0.46	0.28	0.52	0.29	0.52	0.19	0.35	0.25	0.46	0.26	0.48
Sinogram	CNN‐MSE	0.14	0.26	0.15	0.27	0.16	0.31	0.13	0.25	0.13	0.25	0.15	0.28
	CNN‐MAE	0.14	0.26	0.15	0.27	0.15	0.29	0.13	0.24	0.13	0.25	0.13	0.25
	CNN‐VGG	0.22	0.41	0.29	0.53	0.31	0.57	0.21	0.39	0.26	0.48	0.29	0.54
	CNN‐VGGMSE	0.18	0.34	0.20	0.37	0.24	0.43	0.17	0.33	0.21	0.38	0.24	0.44
	CNN‐VGGMAE	0.17	0.32	0.21	0.39	0.21	0.39	0.18	0.33	0.20	0.37	0.22	0.41
	WGAN‐VGGMSE	0.20	0.37	0.23	0.42	0.24	0.43	0.20	0.36	0.23	0.42	0.24	0.44
	WGAN‐VGGMAE	0.19	0.35	0.25	0.45	0.26	0.47	0.19	0.34	0.24	0.44	0.25	0.47
	TV‐IR	0.24	0.44	0.28	0.52	0.28	0.51	0.23	0.43	0.29	0.53	0.30	0.54
	FBP	0.33	0.60	0.33	0.60	0.33	0.60	0.31	0.58	0.31	0.58	0.31	0.58

MSE, mean‐squared error; MAE, mean absolute error; CNN, Convolutional neural network; VGG, Visual Geometry Group network; WGAN‐GP, Wasserstein generative adversarial network with gradient penalty; FWHM, full width at half maximum; FWTM, full width at tenth maximum. The bold values indicate superior performance.