通过生成对抗网络进行肺部图像细分
Jiaxin Cai1, Hongfeng Zhu1, Siyu Liu2
1School of Mathematics and Statistics, Xiamen University of Technology, Xiamen, China.
Frontiers in physiology
|September 2, 2024
概括
生成性对抗性网络有效地分割肺部CT图像,以改善计算机辅助诊断. 这种新的方法提高了肺部疾病的检测和治疗计划.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 精确的肺图像细分对于诊断和治疗肺部疾病至关重要.
- 传统的细分方法经常面临复杂的肺部CT图像数据的挑战.
研究的目的:
- 探索和评估一种使用生成对抗网络 (GAN) 的新型肺部CT图像细分方法.
- 为了利用GANs的图像翻译能力,精确地对肺部图像进行细分.
主要方法:
- 采用各种生成对抗网络架构用于图像细分.
- 利用GAN的图像对图像翻译能力,将原始肺部图像转换为细分输出.
- 在现实肺部图像数据集上测试了基于GAN的细分方法.
主要成果:
- 拟议的基于生成对抗网络的细分方法在与最先进的技术相比显示出更高的性能.
- 实验结果验证了GAN方法在实际肺部图像数据上的有效性.
结论:
- 生成对抗网络为肺部图像细分提供了有效和强大的解决方案.
- 这种方法在推进计算机辅助肺病诊断方面具有重大潜力.
