基于深度对抗生成网络的彩超图像半监督分类研究

• 作者: 李季兰
• 来源期刊: 现代计算机
• 关键词: 半监督学习 彩超图像 深度对抗生成网络
• 年，卷（期）: 2020,（30）
• 所属期刊栏目: 图形图像
• 页码范围: 47-51
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.30.010

摘要

深层神经网络模型逐渐被应用于乳腺超声等医学图像的分类.但乳腺彩超图像标签通常存在人为或自然的噪音.特别是深度神经网络的性能受数据量的影响,严重依赖于标注人员的专业能力.针对乳腺超声图像中固有的噪声和不确定性,提出一种基于生成对抗网络(GANs)的半监督学习分类模型.该方法充分利用噪声数据或所谓未标记数据的信息,有可能扩展学习到噪音数据中平滑分布的底层特征.该模型使用高像素的乳腺彩超图像,并使用指数移动平均(EMA)正则化来保证在线模型的稳定性,且能在以从非常小的训练数据集下获得良好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李季兰		1	0	0.0	0.0