生成对抗网络的医学应用:一个可视化分析
Fan Zhang1,2, Luyao Wang3, Jiayin Zhao4
1Radiology department, Huaihe Hospital of Henan University, Kaifeng, PR China.
Acta radiologica (Stockholm, Sweden : 1987)
|August 21, 2023
概括
生成对抗网络 (GAN) 在医学上越来越多地被用于图像处理之外的领域. 这些人工智能工具对隐私保护和诊断等临床应用具有前景,但需要进行伦理验证.
科学领域:
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
- 生成性对抗性网络 (GANs) 是一个
背景情况:
- 深度学习 (DL) 是一种尖端的AI方法.
- 生成对抗网络 (GANs) 是一种不受监督的DL方法,在合成新数据方面表现出色.
- 在各种科学领域中,GAN正在成为强大的工具.
研究的目的:
- 研究GAN在医学领域的多样化应用.
- 突出GAN对于推动临床医学研究的重要性.
- 使用Citespace和统计方法对医学中的GAN进行视觉文献计量分析.
主要方法:
- 在PubMed,MEDLINE,科学网络和谷歌学者 (2017-2022) 中进行系统的文献搜索.
- 根据PRISMA指南进行的研究.
- 使用Citespace进行图书计量分析,评估出版物,作者,机构和关键词.
主要成果:
- GAN的应用超越了医疗图像处理的范围,进入了更广泛,更复杂的医疗领域.
- GAN显示了在临床医学中直接应用的潜力.
- 确定了研究成果的趋势,主要贡献者和普遍的研究主题.
结论:
- GAN已广泛融入医疗领域,临床实用性不断扩大.
- 预计未来将在隐私保护和医学诊断领域应用.
- 伦理,法律考虑和专家验证对于临床GAN部署至关重要.


