| 基于贝叶斯和cGAN的甲状腺结节生成方法 |
| |
| 引用本文： | 杨文开,董云云,赵涓涓,强彦,刘江,Muhammad Bilal Zia.基于贝叶斯和cGAN的甲状腺结节生成方法[J].计算机工程与设计,2021,42(4):1036-1042. |
| |
| 作者姓名： | 杨文开 董云云 赵涓涓 强彦 刘江 Muhammad Bilal Zia |
| |
| 作者单位： | 太原理工大学信息与计算机学院,山西晋中030600;山西省肿瘤医院放射科,山西太原030000 |
| |
| 基金项目： | 虚拟现实技术与系统国家重点实验室开放基金项目;山西省重点研发计划基金项目;山西省自然科学基金项目;国家自然科学基金项目 |
| |
| 摘 要： | 为克服小样本医学图像数据集对训练强大的超声图像中甲状腺结节的自动分割或分类的深度学习模型的限制,提出一种基于贝叶斯神经网络和条件生成对抗网络(cGAN)的数据生成方法.构建cGAN并以修改的结节掩膜作为条件,通过在真实样本上训练生成器生成具有不同特征的结节.使用贝叶斯神经网络识别出最有价值的生成样本,并用其构建新的数据集训练模型进行结节的分割和分类.实验结果表明,提出方法仅使用约35％的真实样本即可实现令人满意的分割和分类性能.
|
| 关 键 词： | 贝叶斯神经网络 条件生成对抗网络 甲状腺结节 超声图像 分割 分类 |
Bayesian and cGAN based thyroid nodule generation method |
| |
| YANG Wen-kai,DONG Yun-yun,ZHAO Juan-juan,QIANG Yan,LIU Jiang,Muhammad Bilal Zia.Bayesian and cGAN based thyroid nodule generation method[J].Computer Engineering and Design,2021,42(4):1036-1042. |
| |
| Authors: | YANG Wen-kai DONG Yun-yun ZHAO Juan-juan QIANG Yan LIU Jiang Muhammad Bilal Zia |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
