北京工业大学环境与生命学部, 智能化生理测量与临床转化北京市国际科研合作基地, 北京 100124
提出了一种基于变分自编码器的眼科光学相干断层成像(OCT)图像生成方法,缓解了深度学习任务中数据不足的问题,有助于提高眼科疾病辅助诊断算法的性能。搭建了基于变分自编码器的OCT图像生成网络,并基于目前两个公开的视网膜OCT图像数据集,构建了老年性黄斑变性、糖尿病性黄斑水肿和正常三种类别的视网膜OCT图像样本数据集,并分别训练网络得到各自的图像生成模型。采用主观视觉评价和客观实验验证两种方式验证了所提图像生成方法是有效的。主观视觉评价和客观实验结果均表明所提方法可以有效生成三种类别的视网膜OCT图像。
医用光学 图像生成 视光学 光学相干断层成像 深度学习 变分自编码器 光学学报
2021, 41(14): 1417001
江南大学物联网工程学院, 江苏 无锡 214122
针对普通生成模型生成的图片存在细节缺乏、图片模糊等问题,结合变分自编码器(VAE)强大的特征提取能力,使用条件生成对抗网络(CGAN)生成了高质量照片,结果表明,利用该方法基于CUHK student人脸库生成照片,照片的相似性度提高了0.09,达到了0.77。同时在实际应用中,手绘素描由于画家的不同而风格迥异,在训练素描-照片生成过程中使用同一风格的素描会使得输入图像单一。为避免这一问题,通过使用多种素描样式扩展训练数据集,提高了模型通用性,结果表明,相比于未扩展训练集,基于扩展训练集生成的照片的相似性度提高了0.233,达到了0.603。
图像处理 变分自编码器 条件生成对抗网络 素描 激光与光电子学进展
2020, 57(18): 181018
