在整形外科手术中对生成对抗网络 (GAN) 的系统审查
Alexander Zargaran1, Sara Sousi2, Sevasti P Glynou3
1Royal Free Hospital, London, United Kingdom; University College London, London, United Kingdom.
概括
生成对抗网络 (GAN) 在整形外科创建合成数据和帮助研究方面表现有前途. 标准化报告对于各种数据集和推进计算性整形手术至关重要.
科学领域:
- 整形外科 整形外科 整形外科
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 生成对抗性网络 (GANs) 是一种深度学习技术,利用零和游戏理论从真实数据集生成现实的合成数据.
- GAN利用两个神经网络 - - 一个生成器和一个区分器 - - 来创建合成患者数据,这可能会彻底改变医学研究.
- 本系统文献综述评估了整形外科子专业内GAN应用的当前规模和范围.
结论:
- 通过多样化的应用,GANs为推动整形外科手术提供了显著的潜力.
- 建议采用标准化的报告结构,以确保数据集的一致性,透明度和确保种族/文化多样性.
- 了解GAN的发展对于外科医生在计算性整形外科手术中充分发挥其潜力至关重要.
