一种基于UNet-GAN网络的肺炎CT图像生成方法技术

本发明专利技术公开了一种基于UNet

【技术实现步骤摘要】
一种基于UNet
‑
GAN网络的肺炎CT图像生成方法


[0001]本专利技术属于计算机视觉
，涉及一种基于UNet
‑
GAN网络的肺炎CT图像生成方法。

技术介绍

[0002]现有技术中，神经网络训练需要大量数据集，但是因为医疗图像的私密性，新冠肺炎公开的检测数据集少之又少。利用深度卷积生成式对抗网络对图像进行生成是解决该问题切实可行的办法。目前也有其他医学影像数据扩充方法，如专利号为CN201910028616.2提出的算法，其训练步骤复杂，网络训练时间较长。
[0003]生成式对抗网络(Generative Adversarial Networks)又称为GAN网络,它主要由生成器和判别器两部分组成。生成器是一个上采样结构，它的的作用是将输入的随机噪声z，经过反卷积生成一个与真实图像相似的图像，然后将生成图像与真实的图像一起输入到判别器。判别器是一个下采样结构，对输入的两种图片进行判断，并通过判断的结果输出相应概率。如果判断为真实图像,则输出概率结果为1；如果判断为直接生成图像,则概率输出为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于UNet
‑
GAN网络的肺炎CT图像生成方法，其特征在于，具体操作步骤如下：(1)、使用现有新冠肺炎公开数据集图像，并对数据集进行预处理操作；(2)、根据改进的U
‑
Net和GAN网络结构搭建训练模型；(3)、训练生成对抗网络模型，将肺炎CT图像分批次送入搭建好的模型，并设置参数，生成质量多样性不同的数据；(4)、将肺炎真实图像输入训练好的模型，最终得到生成的肺炎图像。2.根据权利要求1所述的一种基于UNet
‑
GAN网络的肺炎CT图像生成方法，其特征在于，在步骤(1)中，所述对数据集进行预处理操作具体是：首先，对图像进行平移、裁剪、旋转及翻转扩充数据样本；然后，对样本进行灰度处理及图像锐化，从而增强图像中病灶明暗对比度。3.根据权利要求1所述的一种基于UNet
‑
GAN网络的肺炎CT图像生成方法，其特征在于，在步骤(2)中，所述改进的U
‑
Net和GAN网络结构具体是：GAN网络结构中的生成器模型采用改进的U
‑
Net网络，对U
‑
Net添加残差结构和多尺度特征融合；网络结构中的判别器模型包括五层卷积层和一个全局池化层，尺度大小顺次为三...

【专利技术属性】
技术研发人员：王家晨，刘昱杉，者甜甜，张鸿鑫，赵新旭，刘庆华，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：