Biblioteca122.294 documentos en línea

Artículo

Optimization of Cardiac Magnetic Resonance Synthetic Image Based on Simulated Generative Adversarial NetworkOptimización de la imagen sintética de resonancia magnética cardiaca basada en una red generativa adversarial simulada

Resumen

La red generativa adversarial (GAN) tiene la ventaja de ajustarse a la distribucin de datos, por lo que puede lograr el aumento de datos ajustndose a la distribucin real y sintetizando datos de entrenamiento adicionales. De este modo, el modelo de convolucin profunda tambin se puede entrenar bien en el caso de utilizar un conjunto de datos de imgenes mdicas de muestra pequea. Sin embargo, todava existen ciertas diferencias entre las imgenes sintticas y las imgenes reales. Para reducir an ms estas diferencias, este artculo propone un mtodo que aplica SimGAN a la tarea de optimizacin de imgenes sintticas de resonancia magntica cardiaca. Mientras tanto, la estructura residual mejorada se utiliza para profundizar en la estructura de la red y mejorar el rendimiento del optimizador. Por ltimo, los experimentos mostrarn el buen resultado de nuestro mtodo de aumento de datos basado en GAN.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento