典型文献
生成对抗网络医学图像去噪研究综述
文献摘要：
医学图像作为辅助医生诊断和治疗的重要手段,其清晰度对临床医疗的重要性不言而喻.生成对抗网络(GAN)独特的对抗训练思想在图像生成任务中展现出强大的学习能力,因其能生成高质量的样本,故在计算机视觉领域的研究前景光明.针对GAN应用于医学图像去噪任务进行概括和总结.首先介绍GAN的基础理论和优缺点;然后对适用于医学图像去噪的GAN的衍生模型进行详细介绍,总结有助于提升GAN医学图像去噪性能的各种损失函数及其作用,以及其他可以嵌套在GAN模型中并对医学图像去噪起辅助作用的深度学习类框架;并总结提升医学图像去噪的GAN网络性能的方法;最后探讨了 GAN用于医学图像去噪的应用前景、面临的挑战以及未来可能的研究方向.
文献关键词：
生成对抗网络(GAN);深度学习;噪声;医学图像去噪;损失函数
中图分类号：
作者姓名：
于淼;许铮铧
作者机构：
河北工业大学生命科学与健康工程学院,天津 300400
文献出处：
引用格式：
[1]于淼;许铮铧-.生成对抗网络医学图像去噪研究综述)[J].中国生物医学工程学报,2022(06):724-731
A类：
医学图像去噪
B类：
生成对抗网络,网络医学,诊断和治疗,清晰度,不言而喻,GAN,对抗训练,图像生成,计算机视觉,研究前景,光明,衍生模型,损失函数,嵌套,辅助作用,网络性能,未来可能
AB值：
0.167919
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。
