10.19678/j.issn.1000-3428.0056188
一种高倍数细胞显微图像生成式对抗网络
在医疗领域,许多疾病的诊断依赖高倍数显微镜对细胞等微观物体的观测,但由于高倍数显微镜价格昂贵,操作复杂,且高倍数细胞显微图像重建工作存在低、高倍数显微图像之间图片风格不统一、细胞图像清晰度不一致和训练数据不匹配等问题.为此,提出高倍数细胞显微图像生成式对抗网络.将全新激活函数引入CycleGAN网络,在生成器中添加新的残差密集块并去掉BN层.同时为确保生成图像真实可信,在生成器训练过程中考虑细节感知损失.实验结果表明,该方法在保留低倍数显微图像基本信息的基础上,能够对高倍数显微图像细节进行有效的还原.
CycleGAN网络、生成式对抗网络、对抗学习、卷积神经网络、深度学习
46
TP391(计算技术、计算机技术)
河北省自然科学基金;河北大学大学生创新创业训练计划
2020-07-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
266-273