生成对抗网络用于数据增强
摘要：通过使用生成对抗网络（GAN）进行数据增强，可以扩大医学领域中用于训练AI模型的可用数据集。 GAN通过使用一个生成器网络创建新的数据样本，并由一个判别器网络来评估它们与真实样本的相似度来工作。判别器网络被教导区分真实和合成样本，而生成器系统则被训练用于生成与真实数据密切相似的数据。该过程重复进行，直到生成器网络能够产生无法与真实数据区分的合成数据。GAN已经应用于医学图像分析的各种任务，包括数据增强、图像创建和领域适应。它们能够生成合成样本，可以用于增加可用数据集，特别是在获取大量真实数据困难或不道德的情况下。然而，值得注意的是，GAN在医学图像领域的应用仍然是一个活跃的研究领域，以确保生成的图像具有高质量并适用于临床环境中的使用。
作者：Angona Biswas, MD Abdullah Al Nasim, Al Imran, Anika Tabassum Sejuty, Fabliha Fairooz, Sai Puppala, Sajedul Talukder
论文ID：2306.02019
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-09