| 基于优化循环生成对抗网络的医学图像合成方法 |
| |
| 引用本文： | 曹国刚,刘顺堃,毛红东,张术,陈颖,戴翠霞. 基于优化循环生成对抗网络的医学图像合成方法[J]. 数据采集与处理, 2022, 37(1): 155-163. DOI: 10.16337/j.1004-9037.2022.01.013 |
| |
| 作者姓名： | 曹国刚 刘顺堃 毛红东 张术 陈颖 戴翠霞 |
| |
| 作者单位： | 上海应用技术大学计算机科学与信息工程学院,上海 201418;上海应用技术大学理学院,上海 201418 |
| |
| 基金项目： | 国家自然科学基金(61976140,61675134,81827807，62175156)；上海市科委科技创新行动计划(19441905800)；温州医科大学重点实验室开放项目(K181002)；上海应用技术大学协同创新项目(XTCX2019-14)。 |
| |
| 摘 要： | 放射治疗计划系统需要CT图像准确计算剂量分布,但有时临床只能获得MR图像.图像合成能有效利用现有图像合成新模态图像,从而增强图像信息.针对MR图像生成CT图像问题,综合循环一致生成对抗网络不成对数据可训练合成新模态图像的特点,以及密集连接网络的特征复用和优化信息流传播的优点,提出融合密集连接的循环生成对抗网络模型,改善...
|
| 关 键 词： | 图像合成 循环生成对抗网络 密集连接网络 不成对数据 |
| 收稿时间： | 2021-04-29 |
| 修稿时间： | 2021-07-06 |
Medical Image Synthesis Based on Optimized Cycle-Generative Adversarial Networks |
| |
| CAO Guogang,LIU Shunkun,MAO Hongdong,ZHANG Shu,CHEN Ying,DAI Cuixia. Medical Image Synthesis Based on Optimized Cycle-Generative Adversarial Networks[J]. Journal of Data Acquisition & Processing, 2022, 37(1): 155-163. DOI: 10.16337/j.1004-9037.2022.01.013 |
| |
| Authors: | CAO Guogang LIU Shunkun MAO Hongdong ZHANG Shu CHEN Ying DAI Cuixia |
| |
| Affiliation: | 1.School of Computer Science and Information Engineering, Shanghai Institute of Technology,Shanghai 201418,China;2.School of Sciences, Shanghai Institute of Technology, Shanghai 201418, China |
| |
| Abstract: | |
| |
| Keywords: | image synthesis cycle-consistent generation adversarial network (CycleGAN) densely connected convolutional network (DenseNet) unpaired data |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
