基于改进pix2pixHD模型的COVID-19 CT图像生成方法研究

摘要：

当前COVID-19病毒流行,肺部CT图像已成为医生对COVID-19患者进行准确诊断和跟踪治疗的重要辅助工具之一,但公开的患者数据集较少及数据获取较为困难的问题,导致不易获得好的深度学习模型对肺部CT图像精准筛查和诊断.针对于此,本文提出了一种基于pix2pixHD的深度网络图像生成模型,用以提高COVID-19 CT图像的生成质量.采用pix2pixHD框架,通过对模型上采样的过程中加入SPADE残差块,并对模型的多尺度鉴别器增加1/8尺度鉴别器,使模型可以生成病灶边界更为清晰的COVID-19患者肺部CT图像.在公开数据集上与现有模型进行的实验比较结果表明,本文提出的模型在COVID-19 CT图像上峰值信噪比与结构相似性分别为12.46和0.327,Fr′echet Inception距离(FID)为57.4,较现有模型具有生成质量更高、生成细节更好、收敛速度更快的优势.

关键词：新型冠状病毒、电子计算机断层扫描、改进pix2pixHD模型

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：黑龙江省省属高等学校基本科研业务费科研项目Hkdqg201911

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：82-89,97