La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Image-to-Image Translation for Data Augmentation on Multimodal Medical Images Traduction image à image pour l’augmentation des données sur les images médicales multimodales

Yue PENG, Zuqiang MENG, Lina YANG

  • Vues en texte intégral

    3

  • Citer

Résumé:

Les images médicales jouent un rôle important dans le diagnostic médical. Cependant, acquérir un grand nombre de jeux de données annotés reste une tâche difficile dans le domaine médical. Pour cette raison, la recherche dans le domaine de la traduction d’image à image est combinée au diagnostic assisté par ordinateur, et des méthodes d’augmentation des données basées sur des réseaux contradictoires génératifs sont appliquées aux images médicales. Dans cet article, nous essayons d'effectuer une augmentation de données sur des données unimodales. Le réseau conçu basé sur StarGAN V2 présente de hautes performances pour augmenter l'ensemble de données à l'aide d'un petit nombre d'images originales, et les données augmentées sont étendues des données unimodales aux images médicales multimodales, et ces données d'images médicales multimodales peuvent être appliquées à la tâche de segmentation avec certains amélioration des résultats de segmentation. Nos expériences démontrent que les données d'images médicales multimodales générées peuvent améliorer les performances de segmentation des gliomes.

Publication
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.686-696
Date de publication
2023/05/01
Publicisé
2022/03/01
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2022DLP0008
Type de manuscrit
Special Section PAPER (Special Section on Deep Learning Technologies: Architecture, Optimization, Techniques, and Applications)
Catégories
Santé intelligente

Auteurs

Yue PENG
  Guangxi University
Zuqiang MENG
  Guangxi University
Lina YANG
  Guangxi University

Mots-clés

Table des matières