眼科与耳鼻咽喉科论文_基于GAN的少样本视网膜 - 中国测试杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

眼科与耳鼻咽喉科论文_基于GAN的少样本视网膜

作者:

关键词:

摘要：

文章摘要:视网膜血管分割是自动筛查糖尿病视网膜病变的重要步骤，当前大部分深度学习方法都使用大样本进行网络训练，但医学领域带标签样本难以获取，且存在健康人样本与患者样本不平衡问题。本文提出了一种基于生成对抗网络的少样本视网膜血管分割方法，生成器部分对图像做反色等预处理后，通过旋转增扩充了数据集，网络部分使用U-Net结构，判别器部分使用卷积神经网络。在实验阶段，在DRIVE数据集和HRF数据集上进行训练测试，训练时只使用训练集的6个样本，测试时使用全部测试集样本，最终在两个数据集下的ROC曲线下面积分别达到了0.97和0.95，准确率达到了0.95和0.94。与少样本情况下的U-Net相比，分割性能提升很大，表明本方法针对少样本视网膜血管分割任务确实有效。

文章关键词:

论文分类号:R774.1;TP391.41

文章来源：《中国测试》网址: http://www.zgcszzs.cn/qikandaodu/2021/1212/2035.html