• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Chinese Control Conference >Image Generation of Trichomonas Vaginitis Based on Mode Margin Generative Adversarial Networks
【24h】

Image Generation of Trichomonas Vaginitis Based on Mode Margin Generative Adversarial Networks

机译：基于模式余量生成对抗网络的滴虫性阴道炎图像生成

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Using deep learning to screen for trichomoniasis vaginitis is an important method to assist doctors in diagnosis. However, scarce medical data always limits the ability of deep learning models, so in order to generate more diverse image data, a Mode Margin Generative Adversarial Network(MMGAN) is proposed. We design a new backbone Generative Adversarial Networks(GAN) and add a model mapping ratio term to it to increase the modes of the generated image, which effectively alleviates the model collapse phenomenon. The network is evaluated on self-built dataset. Experimental results show that the quality and diversity of images generated by MMGAN are better than GAN and WGAN. Moreover, we also provide a basic diagnostic model for trichomoniasis vaginitis and evaluate the effectiveness of the enhanced data in the actual diagnosis. The enhanced data improve the accuracy of the classification model.
机译：利用深度学习筛查滴虫性阴道炎是协助医生诊断的重要方法。然而，稀缺的医学数据始终限制着深度学习模型的能力，因此，为了生成更多的图像数据，提出了一种模式余量生成对抗网络（MMGAN）。我们设计了一个新的骨干对抗网络（GAN），并在其中添加了一个模型映射比率项，以增加生成图像的模式，从而有效地缓解了模型崩溃的现象。该网络是根据自建数据集进行评估的。实验结果表明，MMGAN生成的图像质量和多样性优于GAN和WGAN。此外，我们还提供了滴虫性阴道炎的基本诊断模型，并评估了增强数据在实际诊断中的有效性。增强的数据提高了分类模型的准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号