典型文献
基于生成对抗网络的肾小球病理图像合成
文献摘要：
肾脏病理图像中肾小球的自动分割提取对于快速诊断肾脏疾病至关重要.针对高质量标注的肾小球病理图像数据不足的问题,提出基于pix2pixHD的肾小球病理图像合成方法.首先,对原始病理图像中肾小球及其对应掩膜进行提取,构建肾小球病理图像数据集;其次,以肾小球掩膜作为约束条件,利用生成对抗网络模型合成高质量肾小球病理图像;最后,将生成的肾小球图像数据集并入原始数据集,使用U-Net分割模型对原始肾脏病理图像进行再分割.实验结果表明,与常用几种图像生成算法比较,新建方法表现最佳,其IS±std为1.50±0.03,FID为33.13;在测试集相同的情况下,该方法的总体分割准确率提升了4％.
文献关键词：
生成对抗网络;U-Net网络;肾小球;图像分割;病理图像
中图分类号：
作者姓名：
蔡健;孔祥勇;吴滢;尹梓名;王平;卢严砖;彭瑞阳;孙晓晗;王钰泽
作者机构：
上海理工大学健康科学与工程学院,上海200093;上海交通大学附属儿童医院,上海200040;石河子大学食品学院,新疆石河子832099
文献出处：
引用格式：
[1]蔡健;孔祥勇;吴滢;尹梓名;王平;卢严砖;彭瑞阳;孙晓晗;王钰泽-.基于生成对抗网络的肾小球病理图像合成)[J].软件导刊,2022(04):13-18
A类：
pix2pixHD
B类：
生成对抗网络,肾小球病,病理图像,图像合成,肾脏病理,自动分割,快速诊断,肾脏疾病,合成方法,掩膜,图像数据集,并入,入原,原始数据,Net,分割模型,再分割,图像生成,生成算法,算法比较,IS,std,FID,测试集,准确率提升,图像分割
AB值：
0.274903
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。
