公开(公告)号：CN109493308A

公开(公告)日：2019-03-19

申请号：CN201811350964.3

申请日：2018-11-14

Applicant: 吉林大学

Inventor： 王生生 ,  邢春上

IPC: G06T5/50 ,  G06T7/00 ,  G06T7/10 ,  G06N3/04 ,  G06K9/62 ,  G16H30/40

Abstract: 本发明公开一种基于条件多判别生成对抗网络的医疗图像合成与分类方法，该方法包括以下步骤：一、对计算机断层扫描(Computed Tomography,简称CT)图像中病变区域进行分割，提取病变感兴趣区域(Region of Interest,简称ROIs)；二、对一中提取的病变ROIs进行数据预处理；三、设计基于条件多判别生成对抗网络(Conditional Multi-Discriminate Generative Adversarial Network,简称CMDGAN)模型架构，使用二中的图像对其进行训练，得到生成模型；四、使用三中得到的生成模型对提取的病变ROIs进行合成数据增强；五、设计多尺度残差网络(Multiscale ResNet Network,简称MRNet)并训练。本发明提出的方法，可以生成具有高质量的合成医疗图像数据集，分类网络对测试图像的分类准确率较高，从而更好的能够为医疗工作者提供辅助诊断。

公开(公告)号：CN109493308B

公开(公告)日：2021-10-26

申请号：CN201811350964.3

申请日：2018-11-14

Applicant: 吉林大学

Inventor： 王生生 ,  邢春上

IPC: G06T5/50 ,  G06T7/00 ,  G06T7/10 ,  G06N3/04 ,  G06K9/62 ,  G16H30/40

Abstract: 本发明公开一种基于条件多判别生成对抗网络的医疗图像合成与分类方法，该方法包括以下步骤：一、对计算机断层扫描(Computed Tomography,简称CT)图像中病变区域进行分割，提取病变感兴趣区域(Region of Interest,简称ROIs)；二、对一中提取的病变ROIs进行数据预处理；三、设计基于条件多判别生成对抗网络(Conditional Multi‑Discriminate Generative Adversarial Network,简称CMDGAN)模型架构，使用二中的图像对其进行训练，得到生成模型；四、使用三中得到的生成模型对提取的病变ROIs进行合成数据增强；五、设计多尺度残差网络(Multiscale ResNet Network,简称MRNet)并训练。本发明提出的方法，可以生成具有高质量的合成医疗图像数据集，分类网络对测试图像的分类准确率较高，从而更好的能够为医疗工作者提供辅助诊断。