使用GAN合成有限数据下的逼真医学图像以提升医学影像
图像与视频处理
2024-06-28 v1 计算机视觉与模式识别
摘要
在本研究中，我们引入了一种创新方法，用于合成医学图像。我们提出的GAN方法显示出即使在有限的真实医学图像数据训练的情况下，仍能产生逼真的合成图像，展现了令人钦佩的泛化能力。为实现这一目标，我们构筑了一个基于深度卷积神经网络(CNN)的生成器和判别器网络架构，利用对抗训练范式进行模型优化。通过在多样化的医学图像数据集上进行大量实验，我们的方法表现稳健，始终能够生成结构和纹理属性都接近真实医学图像的合成图像。
引用
@article{arxiv.2406.18547,
title = {Enhancing Medical Imaging with GANs Synthesizing Realistic Images from Limited Data},
author = {Yinqiu Feng and Bo Zhang and Lingxi Xiao and Yutian Yang and Tana Gegen and Zexi Chen},
journal= {arXiv preprint arXiv:2406.18547},
year = {2024}
}