生成对抗网络在医学图像中的应用研究
梁富娥
张伟
吕珊珊
顾旋
刘东华
甘肃中医药大学信息工程学院 甘肃兰州 730000
摘要：生成对抗网络(generative adversarial network,GAN)作为深度学习下无监督学习的典型方法,使用深度学习的计算机辅助诊断系统目前已经覆盖病灶检测、病理诊断、放疗规划和术后预测等各临床阶段,在医学图像领域取得了许多显著的成果.首先介绍了医学图像领域存在的基本问题,并简单介绍了生成对抗网络模型的基本含义和对抗过程.其次总结了基于生成对抗网络模型的方法在低剂量CT降噪、脑肿瘤分割、视网膜和神经元图像合成以及欠采样MR图像重建等方面的一些应用.最后给出了生成对抗网络模型的不足和未来研究方向.
关键词：生成对抗网络医学图像对抗训练深度学习
资助基金：甘肃中医药大学科学创新基金资助项目(KCYB2018-6)
论文发表日期：2022-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 25-28 )