基于半监督学习和生成对抗网络的医学图像融合算法 |
| |
引用本文: | 尹海涛,岳勇赢.基于半监督学习和生成对抗网络的医学图像融合算法[J].激光与光电子学进展,2022(22):245-254. |
| |
作者姓名: | 尹海涛 岳勇赢 |
| |
作者单位: | 南京邮电大学自动化学院人工智能学院 |
| |
基金项目: | 国家自然科学基金(61971237); |
| |
摘 要: | 为了有效利用少量的医学图像标签数据和大量的无标签数据,提出了一种基于半监督学习和生成对抗网络的医学图像融合算法。所提生成对抗网络融合架构包含1个生成器网络和2个判别器网络。采用半监督学习策略对所提网络进行训练,主要包括监督训练、无监督训练、参数微调等3个阶段。此外,生成器由面向融合任务的U-Net和squeeze and excitation通道注意力模块组成,而判别器含有3层卷积层、1层全连接层及sigmoid激活输出层。在各种不同模态医学图像上的实验结果表明,与现有的6种基于深度学习的算法相比,所提算法的主观视觉效果和客观性能指标都有一定竞争力。相关消融实验也验证了半监督学习策略能强化生成网络的性能,提高融合图像的质量。
|
关 键 词: | 机器视觉 生成对抗网络 半监督学习 医学图像融合 注意力机制 |
|
|