论文摘要
由于目前带标注的医学图像稀缺且不平衡,论文针对带标注的视网膜眼底图的生成提出一种有效的分步生成方法。首先训练一个标注生成对抗网络用于生成血管树标注图像,然后训练一个标注转换对抗网络用于将血管树转换为视网膜眼底图。两步训练完后实现输入一段噪声即可同时生成血管树和视网膜眼底图。生成的标注和医学图像有合理的解剖结构,应用于分割任务中也表现出与真实训练集相近的精度。以上结果表明本文提出的分步生成模型生成的数据能在一定程度上缓解医学图像及其标注不足的问题。
论文目录
文章来源
类型: 期刊论文
作者: 康莉,江静婉,黄建军,黄德渠,张体江
关键词: 医学图像生成,生成对抗网络,视网膜图像,无监督学习
来源: 中国体视学与图像分析 2019年04期
年度: 2019
分类: 医药卫生科技,信息科技
专业: 眼科与耳鼻咽喉科,计算机软件及计算机应用
单位: 深圳大学电子与信息工程学院,遵义医科大学影像科
基金: 广东省自然科学基金(No.2018A030310511)
分类号: R770.4;TP391.41
DOI: 10.13505/j.1007-1482.2019.24.04.009
页码: 362-370
总页数: 9
文件大小: 2571K
下载量: 27