买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：一种基于渐进式生成网络的医学图像增广方法，提出了一种基于纹理连续性辨别和图像重构约束的渐进式生成网络，并构建了新颖的增广方法。该方法可依据无病灶感兴趣区域ROI图像的纹理信息和带病灶ROI图像的病灶信息生成带病灶的ROI合成图。所得ROI合成图被无缝blending入无病灶真实图的对应位置以增广病灶检测器的训练样本。为保证ROI合成图的临床表征和纹理连续性满足检测训练的要求，“先降后升”的渐进式生成策略被提出。此外，病灶周边区域的纹理连续性辨别方法被设计，重构损失对生成网络的约束被利用。

主权项：1.一种基于渐进式生成网络的医学图像增广方法，其特征在于，包括如下步骤：1训练样本的处理：为使所提模型在训练过程中更好地利用size区间内的病灶的图像信息，以输出带有较小病灶的合成图，对无病灶整图X和带病灶整图Y进行数据处理；2网络层数的渐进式增加过程：在渐进式生成训练之前，En和G在xrs-n和yrs-n上进行“编码-解码”的预训练，编码器的训练损失项见公式1：Lencoder＝||xrs-n-GEnxrs-n||1+||yrs-n-GEnyrs-n||11渐进式生成的训练过程的网络层层数是逐渐增加的，当Enfuse，G-1，Dt-1和Dc-1的训练完成时，所得syn-yrs-1的质量令人满意；3所提的优化目标：为保证生成的syn-yrs-n在被reshape成syn-yn后，其临床表征准确且边缘纹理能与背景图的纹理连续的效果，各级分辨率ROI图像的生成训练都以该效果为目标，即各级训练的优化目标相同，所提模型都被三个损失项所约束，三个损失项为重构损失、条件辨别损失和纹理辨别损失；4总体优化目标：对于每一个分辨率级别上的训练，新增入G中的网络模块都是经过预训练的，而新增入Dc和Dt的网络模块的参数都是随机初始化的，先对Dc和Dt进行训练，使其辨别性能略胜于合成器的生成性能，其优化目标见公式9：LDc-i＝minDc-iLcDis-i；LDt-i＝minDmed-iLmed-i,minDftLft9接着合成器根据反向传播的损失函数进行优化，合成器的优化目标见公式10：LGen-i-1st＝minG-iLrec-1LGen-i-2nd＝maxG-i,EnfuseLcDis-i+λLmed-i+βLft10。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于渐进式生成网络的医学图像增广方法