ROP-GAN:基于生成对抗网络的早产视网膜病变的图像合成方法
Ning Hou1, Jianhua Shi2, Xiaoxuan Ding1
1School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou 510641, People's Republic of China.
Physics in medicine and biology
|August 24, 2023
概括
本研究介绍了ROP-GAN,这是一种新的生成对抗性网络方法,用于合成现实的早产性视网膜病变 (ROP) 底部图像,解决数据稀缺问题,以改善智能诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 眼科医生 眼科 眼科
背景情况:
- 过早性视网膜病变 (ROP) 的智能诊断受到稀缺的注释训练数据的阻碍.
- 现有的数据增强方法缺乏用于ROP图像合成的多样性.
研究的目的:
- 提出ROP-GAN,一种基于生成对抗网络的方法,用于合成多样化和现实的ROP基金图像.
- 增加样本规模并提高ROP分类模型的概括能力.
主要方法:
- 开发了一个基于U2-Net的细分模型,用于从基金图像中提取多尺度的特征.
- 采用对抗性自编码器进行血管网络重建以增强多样性.
- 设计了一个具有注意力机制的生成对抗网络,用于ROP图像合成.
主要成果:
- 拟议的ROP-GAN方法成功地合成了现实的ROP基金图像.
- 定性和定量评估表明,ROP-GAN比现有方法的优越性.
- 该方法有效地缓解了ROP智能诊断中的数据不平衡问题.
结论:
- ROP-GAN提供了一个可行的解决方案,用于生成ROP的各种医学成像数据.
- 合成的图像支持ROP分期,病变检测和细分任务.
- 这项研究为先进的ROP诊断工具和进一步的医学成像研究奠定了基础.
