计算机工程与应用

2022, v.58;No.992(01) 218-223

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合残差和对抗网络的跨模态PET图像合成方法
Cross-Modality PET Synthesis Method Based on Residual and Adversarial Networks

肖晨晨;陈乐庚;王书强;

摘要(Abstract):

针对现有跨模态图像合成方法不能很好地捕获人体组织的空间信息与结构信息,合成的图像具有边缘模糊、信噪比低等问题,提出一种融合残差模块和生成对抗网络的跨模态PET图像合成方法。该算法在生成器网络中引入改进的残差初始模块和注意力机制,减少参数量的同时增强了生成器的特征学习能力。判别器采用多尺度判别器,以提升判别性能。损失函数中引入多层级结构相似损失,以更好地保留图像的对比度信息。该算法在ADNI数据集上与主流算法进行对比,实验结果表明,合成PET图像的MAE指标有所下降,SSIM与PSNR指标有所提升。实验结果显示,提出的模型能很好地保留图像的结构信息,在视觉和客观指标上都能提高合成图像的质量。

关键词(KeyWords): 跨模态图像合成;生成对抗网络;残差初始模块;多尺度判别器

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61872351);; 深圳市重点基础研究项目(JCYJ20180507182506416)

作者(Author): 肖晨晨;陈乐庚;王书强;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享