用于高分辨率视网膜图像生成与分割的两阶段GAN
图像与视频处理
2019-07-30 v1 计算机视觉与模式识别
摘要
近年来，深度学习在计算机视觉中的使用日益流行。然而，深度架构的有效训练通常依赖于大量标注数据。这在医学领域尤为关键，因为获取标注图像困难且昂贵。在本文中，我们使用生成对抗网络（GANs）合成高质量的视网膜图像及相应的语义标签图，以在训练过程中替代真实图像。与以往其他方案不同，我们提出一种两步方法：首先，训练渐进增长GAN生成描述血管结构（即脉管系统）的语义标签图；其次，使用图像到图像翻译方法从生成的脉管系统获得逼真的视网膜图像。仅使用少量训练样本，我们的方法即可生成逼真的高分辨率图像，可有效用于扩充可用的小规模数据集。在训练中使用生成图像替代真实数据获得了可比的结果。所提方法的实际可行性已通过在两个成熟的视网膜血管分割基准集上应用得到证明，二者均含极少量训练样本。我们的方法相对于最先进技术获得了更好的性能。
引用
@article{arxiv.1907.12296,
title = {A Two Stage GAN for High Resolution Retinal Image Generation and Segmentation},
author = {Paolo Andreini and Simone Bonechi and Monica Bianchini and Alessandro Mecocci and Franco Scarselli and Andrea Sodi},
journal= {arXiv preprint arXiv:1907.12296},
year = {2019}
}