计算机工程

作者：苗乔伟, 杨淇, 李爱佳, 罗文劼

单位：河北大学 网络空间安全与计算机学院, 河北 保定 071000

关键词：CycleGAN网络,生成式对抗网络,对抗学习,卷积神经网络,深度学习

基金：河北省自然科学基金（F2019201329）；河北大学大学生创新创业训练计划（201910075017）。

在医疗领域，许多疾病的诊断依赖高倍数显微镜对细胞等微观物体的观测，但由于高倍数显微镜价格昂贵，操作复杂，且高倍数细胞显微图像重建工作存在低、高倍数显微图像之间图片风格不统一、细胞图像清晰度不一致和训练数据不匹配等问题。为此，提出高倍数细胞显微图像生成式对抗网络。将全新激活函数引入CycleGAN网络，在生成器中添加新的残差密集块并去掉BN层。同时为确保生成图像真实可信，在生成器训练过程中考虑细节感知损失。实验结果表明，该方法在保留低倍数显微图像基本信息的基础上，能够对高倍数显微图像细节进行有效的还原。

来源：2020年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第6期