基于特征图梯度连接生成对抗网络的结肠癌腺体细胞数据增强

深度学习的良好表现往往离不开大量数据的支持。为了更好地利用深度学习来研究结肠癌腺体细胞病理，提出了特征图梯度连接生成对抗网络的算法模型。该模型通过在生成器和判别器特征图大小对应相等的卷积层后添加额外的卷积层建立梯度连接，来给GAN模型提供更多的梯度，缓解梯度消失的问题。在cifar-10数据集上的实验表明，该算法模型较DCGAN而言能更好的收敛，而且生成的图像较DCGAN和WGAN生成的图像而言具有更高的Inception Score。最后将该算法模型应用在结肠癌腺体细胞病理图像的生成任务上，在一定程度上实现了数据增强。