一种高倍数细胞显微图像生成式对抗网络

• 作者: 李爱佳 杨淇 罗文劼 苗乔伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: CycleGAN网络 生成式对抗网络 对抗学习 卷积神经网络 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图形图像处理
• 页码范围: 266-273
• 页数: 8页
• 分类号: TP391
• 字数: 6076字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056188

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗文劼	河北大学网络空间安全与计算机学院	14	75	5.0	8.0
2	苗乔伟	河北大学网络空间安全与计算机学院	1	0	0.0	0.0
3	杨淇	河北大学网络空间安全与计算机学院	1	0	0.0	0.0
4	李爱佳	河北大学网络空间安全与计算机学院	1	0	0.0	0.0