实验研究
基于生成对抗网络的糖尿病视网膜病变眼底图像生成
中华实验眼科杂志, 2019,37(8) : 613-618. DOI: 10.3760/cma.j.issn.2095-0160.2019.08.005
摘要
目的

利用计算机视觉算法自动生成各种类型的糖尿病视网膜病变(DR)眼底图像。

方法

提出一种基于生成对抗网络(GAN)的眼底图像生成方法。该方法以眼底图像的血管脉络图像和病灶点的文字描述作为生成的约束条件,对文字使用长短记忆网络(LSTM)进行编码,血管脉络图像用卷积神经网络(CNN)进行编码,对二者信息合并,再使用生成对抗网络生成眼底图像。

结果

模型生成的眼底图像中包含清晰的视盘、血管、黄斑等特征,但是由于文字编码的循环神经网络(RNN)损失函数不能很好地收敛,所以生成图像细节特征不明显。

结论

使用GAN可以生成逼真的DR眼底图像,在扩充医疗数据方面具有一定的应用价值,但在小区域细节特征的生成方面仍需改进。

引用本文: 万程, 周鹏, 吴陆辉, 等.  基于生成对抗网络的糖尿病视网膜病变眼底图像生成 [J] . 中华实验眼科杂志, 2019, 37(8) : 613-618. DOI: 10.3760/cma.j.issn.2095-0160.2019.08.005.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

版权归中华医学会所有。

未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

更正

本文基金项目中“国家自然科学基金项目(GBA1604401);江苏省自然科学基金项目(PAF16022)”应更正为“国家自然科学基金项目(61603182);江苏省自然科学基金项目(BK20160803)”更正的同时表示歉意!

糖尿病是一个全球性的公共卫生问题,是仅次于心脑血管疾病和肿瘤疾病的严重影响人类健康的非传染性疾病[1]。糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病常见的并发症,发病率高[2],完全依赖医生的诊断耗时、耗力。尽管目前计算机辅助诊断已引入医疗领域[3,4],然而随着计算机技术的发展和各种算法的不断涌现,为开发和验证更复杂计算机技术的性能,如深度学习,需要大量带标记的数据[5]。医疗数据的标注需要具有专业医学知识的人员实施,导致成本高,因而带标签的医疗数据匮乏,获得也比较困难。近年来,随着深度学习的发展,基于数据驱动的图像合成方法得到快速发展,生成对抗网络(generative adversarial networks,GAN)的提出促进了基于深度学习图像生成的快速发展[6]。通过对大量训练图像的学习提取图像中的固有可变性,在理想情况下可以学习到图像的潜在概率分布[7]。一旦完成训练,模型可以采样输出可能位于该分布上的新图像,即生成需要的新图像。为解决在训练深度卷积模型中样本数量不足的问题,本研究中提出了一种使用文字描述和血管作为输入生成带病灶点的眼底图像模型,并探讨其在DR中的应用。

 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词