超级会员免费看
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
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。
订阅专栏 解锁全文
扫一扫
276
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
