摘要: 针对现有医学图像融合方法产生的图像,存在源图像潜在特征信息丢失而导致融合效果差的问题,提出一种利用生成对抗网络(generative adversarial network,GAN)来探索潜在空间的图像融合算法(GAN-ELS),用于提高计算机断层成像(CT)与T2加权核磁共振成像(MR-T2
基于生成对抗网络探索潜在空间的医学图像融合算法
最新推荐文章于 2023-07-05 00:58:10 发布
研究提出了一种利用生成对抗网络(GAN)探索潜在空间的医学图像融合算法(GAN-ELS),以提高CT与MR-T2融合图像的质量。该算法通过特征解缠学习和多分辨率层级控制,实现对源图像特征的无监督学习,并在生成器基础上探索融合图像的潜在特征空间,从而生成高质量的融合图像。实验结果表明,GAN-ELS在多个评价指标上优于5种主流融合方法,证实了其在提高医学图像融合质量方面的优势。
摘要由CSDN通过智能技术生成