生成对抗网络在医学图像处理中的应用

摘要：

生成对抗网络(Generative Adversarial Nets,GANs)模型可以无监督学习到更丰富的数据信息,其包括生成模型与判别模型,凭借二者之间的对抗提高性能.针对传统GANs存在着梯度消失、模式崩溃及无法生成离散数据分布等问题,已经提出了大量的变体模型.介绍了生成对抗网络模型的理论和组成结构;介绍了几种典型的变体模型,重点介绍了生成对抗网络模型在图像生成、图像分割、图像分类、目标检测及图像超分辨率重建应用领域上的研究进展及现状.在研究现状和问题基础上进行了深入分析,进一步总结和探讨了GANs模型在医学图像处理领域中未来发展的趋势和所面临的挑战.

关键词：医学图像处理;生成对抗网络;生成模型;判别模型

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省青年创新人才项目;广州市科技计划项目;广东省基础与应用基础研究基金;中央高校基本科研业务费专项;广东省特色创新类项目

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：24-37