典型文献
基于半监督学习和生成对抗网络的医学图像融合算法
文献摘要：
为了有效利用少量的医学图像标签数据和大量的无标签数据,提出了一种基于半监督学习和生成对抗网络的医学图像融合算法.所提生成对抗网络融合架构包含1个生成器网络和2个判别器网络.采用半监督学习策略对所提网络进行训练,主要包括监督训练、无监督训练、参数微调等3个阶段.此外,生成器由面向融合任务的U-Net和squeeze and excitation通道注意力模块组成,而判别器含有3层卷积层、1层全连接层及sigmoid激活输出层.在各种不同模态医学图像上的实验结果表明,与现有的6种基于深度学习的算法相比,所提算法的主观视觉效果和客观性能指标都有一定竞争力.相关消融实验也验证了半监督学习策略能强化生成网络的性能,提高融合图像的质量.
文献关键词：
机器视觉;生成对抗网络;半监督学习;医学图像融合;注意力机制
中图分类号：
作者姓名：
尹海涛;岳勇赢
作者机构：
南京邮电大学自动化学院、人工智能学院,江苏南京210023
文献出处：
引用格式：
[1]尹海涛;岳勇赢-.基于半监督学习和生成对抗网络的医学图像融合算法)[J].激光与光电子学进展,2022(22):237-246
A类：
B类：
半监督学习,生成对抗网络,医学图像融合,融合算法,无标签数据,网络融合,融合架构,生成器,判别器,学习策略,无监督训练,微调,Net,squeeze,excitation,通道注意力模块,卷积层,全连接层,sigmoid,出层,视觉效果,消融实验,化生成,生成网络,融合图像,机器视觉,注意力机制
AB值：
0.262541
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。
