10.3969/j.issn.0258-8021.2022.06.010
生成对抗网络医学图像去噪研究综述
医学图像作为辅助医生诊断和治疗的重要手段,其清晰度对临床医疗的重要性不言而喻.生成对抗网络(GAN)独特的对抗训练思想在图像生成任务中展现出强大的学习能力,因其能生成高质量的样本,故在计算机视觉领域的研究前景光明.针对GAN应用于医学图像去噪任务进行概括和总结.首先介绍GAN的基础理论和优缺点;然后对适用于医学图像去噪的GAN的衍生模型进行详细介绍,总结有助于提升GAN医学图像去噪性能的各种损失函数及其作用,以及其他可以嵌套在GAN模型中并对医学图像去噪起辅助作用的深度学习类框架;并总结提升医学图像去噪的GAN网络性能的方法;最后探讨了 GAN用于医学图像去噪的应用前景、面临的挑战以及未来可能的研究方向.
生成对抗网络(GAN)、深度学习、噪声、医学图像去噪、损失函数
41
R318(医用一般科学)
国家自然科学基金61906063
2023-03-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
724-731