机构名称：
¥ 1.0
摘要：在本文中，我们提出了一种使用生成对抗网络（GAN）生成合成脑图像的方法。在医学图像分析中，产生与原始图像完全不同的现实医学图像仍然是一项艰巨而重要的任务，而临床图像数据的交换也是实施诊断支持系统的关键问题。尽管如此，研究人员很难获得医疗图像数据，因为图像包含个人信息。最近建议的GAN模型可以学习如何在不看到实际图像数据的情况下分发训练图像，而生成的图像可以完全匿名化的个人信息。所产生的图像可用作训练图像，以分类医学图像，从而可促进医学图像分析。我们的论文中已经实施了图像生成的方法，而不是收集大量MRI数据。我们利用了一种渐进式生长GAN（PGGAN），这是一种新生儿大脑图像生成方法，可用于大脑MRI分类和ADHD预测任务。PGGAN在训练阶段添加新层，慢慢地发现了MRI图像中ADHD的特征。我们的图像生成方法表明，它可以产生大脑MR图像，以避免人造伪影并具有目标症状的临床特征。
国际情感科学与工程研讨会
主要关键词
相关文件推荐
