计算机应用研究

作者：陈佳,骆爽,何儒汉,胡新荣,

单位：1.武汉纺织大学数学与计算机学院,武汉430000；2.湖北省服装信息化工程技术研究中心,武汉430000；

关键词：生成模型,生成对抗网络,核磁共振成像,自动编码器,深度学习,

基金：湖北省教育厅科研计划资助项目(D20181705)；湖北省高等学校优秀中青年科技创新团队计划资助项目(T201807)；；

目前，深度学习已广泛用于MR医学图像分析，然而获取大量的MR训练数据集是一项巨大的挑战。针对传统基于物理方法的数据集扩充方法（如旋转、缩放、仿射变换等）均存在较大的局限性，提出一种新的图像合成器。首先对MR图像数据集进行统一的尺寸处理，然后将每张图像分为大小相等的非重叠块，再利用自动编码器提取图像块的编码，并将图像块编码和随机噪声作为生成器的输入，最后将生成的图像块拼接成完整的MR图像。采用该方法对脑部MR图像进行实验，并对生成图像进行定性定量分析。实验结果表明，所提方法能生成高质量的MR图像且优于其他主流方法。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期