Preview

Информатика

Расширенный поиск

ГЕНЕРАЦИЯ ИСКУССТВЕННЫХ РЕНТГЕНОВСКИХ ИЗОБРАЖЕНИЙ ГРУДНОЙ КЛЕТКИ С ИСПОЛЬЗОВАНИЕМ ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫХ НЕЙРОННЫХ СЕТЕЙ

Полный текст:

Аннотация

Рассматривается задача генерации правдоподобных (трудноотличимых от реальных) рентгеновских изображений грудной клетки человека в норме. Указанная задача решается с использованием генеративно-состязательных нейронных сетей (Generative Adversarial Nets). Степень правдоподобия получаемых результатов оценивается как визуально, так и количественно путем сравнения дескрипторов структуры изображений, основанных на локальных двоичных шаблонах.

Об авторах

В. А. Ковалев
Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Беларусь
кандидат технических наук, заведующий лабораторией анализа биомедицинских изображений


С. А. Козловский
Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Беларусь
инженерпрограммист


А. А. Калиновский
Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Беларусь
научный сотрудник


Список литературы

1. A survey on deep learning in medical image analysis / G. Litjens [et al.] // Medical Image Analysis. – 2017. – Vol. 42. – P. 60–88.

2. A comparison of conventional and Deep Learning methods of image classification on a database of chest radiographs / V. А. Kovalev [et al.] // Intern. J. of Computer Assisted Radiology and Surgery. – 2017. – Vol. 12, suppl. 1. – P. S139–S140.

3. Benchmarking the efficiency of Deep Learning methods on the problem of predicting subjects’ age by chest radiographs / V. А. Kovalev [et al.] // Proc. 3rd Intern. Conf. Big Data and Advanced Analytics. – Minsk : BSUIR, 2017. – P. 75–82.

4. Generative Adversarial Networks / I. J. Goodfellow [et al.] // arXiv.org [Electronic resource]. – 2014. – Mode of access : https://arxiv.org/pdf/1406.2661. – Date of access : 25.09.2017.

5. Auto-encoding variational bayes / D. P. Kingma [et al.] // arXiv.org [Electronic resource]. – 2014. – Mode of access : https://arxiv.org/pdf/1312.6114. – Date of access : 25.09.2017.

6. LeCun, Y. Gradient-based learning applied to document recognition / Y. LeCun // Proc. of the IEEE. – 1998. – Vol. 86(11). – P. 2278–2324.

7. Unsupervised representation learning with deep convolutional generative adversarial networks / A. Radford, L. Metz, S. Chintala // arXiv.org [Electronic resource]. – 2016. – Mode of access : https://arxiv.org/pdf/1511.06434. – Date of access : 25.09.2017.

8. DCGAN in tensorflow [Electronic resource]. – Mode of access : https://github.com/carpedm20/DCGAN-tensorflow. – Date of access : 25.09.2017.

9. Medical image synthesis with context-aware generative adversarial networks / D. Nie [et al.] // MICCAI, LNCS. –Springer, Cham, 2017. – Vol. 10435. – P. 417–425.

10. Deep MR to CT Synthesis using Unpaired Data / J. M. Wolterink [et al.] // arXiv.org [Electronic resource]. – 2017. – Mode of access : https://arxiv.org/pdf/1708.01155. – Date of access : 22.09.2017.

11. Synthesis of positron emission tomography (PET) images via multi-channel Generative Adversarial Networks (GANs) / L. Bi [et al.] // Molecular Imaging, Reconstruction and Analysis of Moving Body Organs, and Stroke Imaging and Treatment. – Springer, Cham, 2017. – Vol. 10555. – P. 43–51.


Для цитирования:


Ковалев В.А., Козловский С.А., Калиновский А.А. ГЕНЕРАЦИЯ ИСКУССТВЕННЫХ РЕНТГЕНОВСКИХ ИЗОБРАЖЕНИЙ ГРУДНОЙ КЛЕТКИ С ИСПОЛЬЗОВАНИЕМ ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫХ НЕЙРОННЫХ СЕТЕЙ. Информатика. 2018;15(2):7-16.

For citation:


Kovalev V.A., Kozlovski S.A., Kalinovsk A.A. GENERATION OF ARTIFICIAL CHEST RADIOGRAPHS USING GENERATIVE ADVERSARIAL NEURAL NETWORKS. Informatics. 2018;15(2):7-16. (In Russ.)

Просмотров: 171


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1816-0301 (Print)
ISSN 2617-6963 (Online)