典型文献
基于深度迁移学习的病理图像重建
文献摘要：
病理组织图像在获取以及处理过程中,可能存在异物遮挡、设备故障等问题,从而导致图像污染或者部分信息的缺失.针对上述问题,采用基于BigGAN的预训练模型,并通过迁移学习实现了结肠组织病理学图像的重建.首先从预训练好的模型中提取潜在向量与类别标签作为先验输入,其次通过联合优化损失函数不断更新潜在向量与网络参数来对缺失图像进行重建,引导生成器分五个阶段逐步生成与原图像细节一致的重建图像.实验结果表明,利用该方法重建后的病理图像的峰值信噪比为33.42 dB、均方根误差为5.496,结构相似性为0.956 0.与其他重建方法相比,提出的方法在病理图像重建方面具有优越的性能.
文献关键词：
生成对抗网络;图像重建;病理图像;迁移学习
中图分类号：
作者姓名：
梁美彦;张倩楠
作者机构：
山西大学物理电子工程学院,山西太原030006
文献出处：
引用格式：
[1]梁美彦;张倩楠-.基于深度迁移学习的病理图像重建)[J].山西大学学报（自然科学版）,2022(06):1504-1512
A类：
B类：
深度迁移学习,病理图像,图像重建,病理组织,异物遮挡,设备故障,部分信息,BigGAN,预训练模型,结肠组织,组织病理学,练好,先验,联合优化,优化损失函数,不断更新,网络参数,生成器,五个阶段,原图,重建图像,峰值信噪比,dB,结构相似性,重建方法,生成对抗网络
AB值：
0.376435
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
