基于生成对抗网络的肺炎CT图像生成

摘要：

针对以随机噪声为输入的生成对抗网络生成图像模糊、训练不易收敛,以及传统物理数据扩充方法无法融合数据特征的相似性与多样性的问题,提出一种基于特征金字塔和注意力机制CBAM的生成对抗网络——UG-DCGAN.首先以经过遮掩去噪的CT图像作为输入,增强网络的鲁棒性;然后利用特征融合金字塔与注意力机制联合建立生成网络提取和重构CT图像,其中特征融合金字塔仅保留最大尺度融合,并在下采样过程中加入残差结构以提高特征提取能力;最后增加判别器网络的卷积层,提高其监督判断能力.经过实验验证,与最新的StyleGAN2模型生成的CT图像相比,本文算法所生成的CT图像的IS值提高了12.44%,FID值降低了21.98%,表明本文算法对提升CT图像生成的清晰度、特征的相似性和多样性都有较明显的效果.

关键词：深度学习、特征金字塔、GAN、图像生成、CT

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省六大高峰人才项目;国家自然科学基金

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：20-24