基于生成对抗网络的合成磁共振图像
图像与视频处理
2020-02-10 v1 机器学习
机器学习
摘要
数据增强对于医学研究至关重要，可扩大训练数据集规模并获得更好结果。本工作中，我们尝试了三种具有不同损失函数的 GAN 架构以生成新的脑 MRI。结果表明，超参数调优以及在判别器中使用小批量相似度层和在损失函数中使用梯度惩罚，对于实现高质量且真实感的收敛十分重要。此外，生成与原始数据集难以区分的图像需要巨大的计算时间。
引用
@article{arxiv.2002.02527,
title = {Synthetic Magnetic Resonance Images with Generative Adversarial Networks},
author = {Antoine Delplace},
journal= {arXiv preprint arXiv:2002.02527},
year = {2020}
}
备注
4 pages, 1 figure, UQ Conference paper