文档名：面向医学图像生成的鲁棒条件生成对抗网络
摘要：医学图像生成是计算机辅助诊断技术的关键组成,具有广泛的应用场景.当前基于生成对抗网络的端对端学习模型,依靠生成器和判别器两者对抗训练,获取真实数据的概率分布,从而指导图像生成.但标注有限的医学图像及其高分辨率特点,加大了模型训练难度,影响图像生成质量;同时,模型未纳入数据扰动因素,鲁棒性有限,容易被恶意攻击.为此,本文提出一个基于鲁棒条件生成对抗网络的医学图像生成模型——MiSrc-GAN.该模型包括精度渐进生成器、多尺度判别器以及对抗样本配对构造模块,有效融合GAN框架和对抗样本,改善判别器鲁棒性,有利于学习原始图像与待生成图像的联合概率分布.在真实数据集CSC和REFUGE上的实验表明,MiSrc-GAN生成的图像质量优于现有模型.
作者：刘少鹏 赵慧民 洪佳明 吴晓航 许发宝[5] 欧阳佳[6] 梁鹏 熊建斌[7]Author：LIUShao-peng ZHAOHui-min HONGJia-ming WUXiao-hang XUFa-bao[5] OUYANGJia[6] LIANGPeng XIONGJian-bin[7]
作者单位：广东技术师范大学计算机科学学院,广东广州510665;广州大学管理学院,广东广州510006;广东省大数据分析与处理重点实验室,广东广州510006广东技术师范大学计算机科学学院,广东广州510665广州中医药大学医学信息工程学院,广东广州510006中山大学中山眼科中心眼科学国家重点实验室,广东广州510060山东大学齐鲁医院眼科,山东济南250012广东技术师范大学网络空间安全学院,广东广州510665广东技术师范大学自动化学院,广东广州510665
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(2)
分类号：TN957
关键词：医学图像 图像生成 生成对抗网络 对抗样本 投影梯度下降
机标分类号：TP391.41R730.4TP181
在线出版日期：2023年5月8日
基金项目：国家自然科学基金，国家自然科学基金，国家自然科学基金，广东省自然科学基金项目，广东省自然科学基金项目，广东省省级科技计划项目，广东省大数据分析与处理重点实验室开放基金，广东省大数据分析与处理重点实验室开放基金面向医学图像生成的鲁棒条件生成对抗网络[
期刊论文] 电子学报--2023, 51(2)刘少鹏 赵慧民 洪佳明 吴晓航 许发宝 欧阳佳 梁鹏 熊建斌医学图像生成是计算机辅助诊断技术的关键组成,具有广泛的应用场景.当前基于生成对抗网络的端对端学习模型,依靠生成器和判别器两者对抗训练,获取真实数据的概率分布,从而指导图像生成.但标注有限的医学图像及其高分辨率...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
面向医学图像生成的鲁棒条件生成对抗网络 Medical Image Synthesis Using Robust Conditional GAN
面向医学图像生成的鲁棒条件生成对抗网络.pdf
- 文件大小:
- 2.04 MB
- 下载次数:
- 60
-
高速下载
|
|
