换一批基于残差卷积前馈网络的高分辨率医学图像生成模型研究
Research on high-resolution medical image generation model based on residual convolutional feedforward network
摘要目的:为了提高高分辨率医学图像的生成质量,提出一种基于残差卷积前馈网络的高分辨率医学图像生成模型.方法:首先,选用矢量量化生成对抗网络(vector quantized generative adversarial network,VQGAN)作为基准模型;其次,将由残差模块与多尺度卷积前馈模块组成的残差卷积前馈网络集成到VQGAN的编码器与解码器中形成一种新的架构;最后,为验证提出的模型的性能,与去噪扩散模型(denoising diffusion models,DDM)、StyleSwin模型、VQGAN模型和SinGAN模型进行对比,并进行消融实验.结果:量化评估对比结果表明,提出的模型表现出最低的弗雷歇初始距离(frechet inception distance,FID)(FID=145.64)和可学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)(LPIPS=0.46),且峰值信噪比(peak signal-to-noise ratio,PSNR)为62.63,仅次于DDM,总体上较优.可视化对比结果表明,提出的模型生成的图像中肾结石的纹理、边缘和清晰度均明显优于其他模型,也最接近真实病灶图像.消融实验结果表明,与VQGAN基准模型相比,提出的模型收敛速度更快、训练更加稳定.结论:提出的模型在学习多尺度纹理特征以及保留更多的低维解剖结构信息能力方面具有显著的优势,能生成高质量的高分辨率医学图像.
更多相关知识
关键词
残差卷积前馈网络高分辨率医学图像矢量量化生成对抗网络深度学习图像生成residual convolutional feedforward networkhigh-resolution medical imagevector quantized generative adversarial networkdeep learningimage generation
栏目名称
DOI
10.19745/j.1003-8868.2025154
发布时间
2025-09-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82274413）
广东省基础与应用基础研究基金项目（2021B1515140038）
广东省重点建设学科科研能力提升项目（2024ZDJS130）
广东省普通高校青年创新人才类项目（2023KQNCX123）
广东省重点建设学科科研能力提升项目（2022ZDJS151）
- 浏览4
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
