典型文献
生成对抗网络在医学图像中的应用研究
文献摘要：
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.
文献关键词：
生成对抗网络;医学图像;对抗训练;深度学习
中图分类号：
作者姓名：
梁富娥;张伟;吕珊珊;顾旋;刘东华
作者机构：
甘肃中医药大学信息工程学院 甘肃兰州 730000
文献出处：
引用格式：
[1]梁富娥;张伟;吕珊珊;顾旋;刘东华-.生成对抗网络在医学图像中的应用研究)[J].信息技术与信息化,2022(02):25-28
A类：
B类：
生成对抗网络,医学图像,generative,adversarial,network,GAN,无监督学习,使用深度,计算机辅助诊断系统,病灶检测,病理诊断,放疗,临床阶段,图像领域,基本问题,降噪,脑肿瘤分割,视网膜,元图像,图像合成,欠采样,MR,图像重建,未来研究方向,对抗训练
AB值：
0.321639
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。
