利用生成对抗网络生成逼真的前节光学相干断层扫描图像
图像与视频处理
2024-05-17 v1 计算机视觉与模式识别
摘要
本文介绍了一个生成对抗网络（GAN）的开发与验证，该网络旨在生成高分辨率、逼真的前节光学相干断层扫描（AS-OCT）图像。我们在 142,628 张 AS-OCT B 扫描图像上训练了基于风格与小波的 GAN（SWAGAN）。三名经验丰富的屈光手术医师进行了盲法评估以评价生成图像的真实感；他们区分真实与合成图像的结果并不显著优于随机猜测，从而证明了高度的图像真实感。为衡量其对机器学习任务的适用性，我们使用包含真实与 GAN 生成图像的数据集训练了一个卷积神经网络（CNN）分类器。该 CNN 仅用真实图像训练时准确率为 78%，而在训练包含生成图像时准确率升至 100%。这凸显了合成图像对机器学习的效用。我们通过使用增强超分辨率 GAN（ESRGAN）将生成图像两次上采样（2x）进一步提高了分辨率，其优于传统上采样技术。总之，GAN 能有效生成高清、逼真的 AS-OCT 图像，对机器学习和图像分析任务极为有益。
引用
@article{arxiv.2306.14058,
title = {Creating Realistic Anterior Segment Optical Coherence Tomography Images using Generative Adversarial Networks},
author = {Jad F. Assaf and Anthony Abou Mrad and Dan Z. Reinstein and Guillermo Amescua and Cyril Zakka and Timothy Archer and Jeffrey Yammine and Elsa Lamah and Michèle Haykal and Shady T. Awwad},
journal= {arXiv preprint arXiv:2306.14058},
year = {2024}
}
备注
British Journal of Ophthalmology, published online May 2, 2024