在醫(yī)療領(lǐng)域,許多疾病的診斷依賴高倍數(shù)顯微鏡對細胞等微觀物體的觀測,但由于高倍數(shù)顯微鏡價格昂貴,操作復(fù)雜,且高倍數(shù)細胞顯微圖像重建工作存在低、高倍數(shù)顯微圖像之間圖片風(fēng)格不統(tǒng)一、細胞圖像清晰度不一致和訓(xùn)練數(shù)據(jù)不匹配等問題。為此,提出高倍數(shù)細胞顯微圖像生成式對抗網(wǎng)絡(luò)。將全新激活函數(shù)引入CycleGAN網(wǎng)絡(luò),在生成器中添加新的殘差密集塊并去掉BN層。同時為確保生成圖像真實可信,在生成器訓(xùn)練過程中考慮細節(jié)感知損失。實驗結(jié)果表明,該方法在保留低倍數(shù)顯微圖像基本信息的基礎(chǔ)上,能夠?qū)Ω弑稊?shù)顯微圖像細節(jié)進行有效的還原。 

【文章來源】：計算機工程. 2020,46(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

本文密集殘差塊

在本文實驗中,模型有兩個生成器GX→Y、GY→X與兩個鑒別器DX→Y、DY→X。其中,GX→Y與DX→Y組合成一個生成式對抗網(wǎng)絡(luò)GANX→Y進行學(xué)習(xí)映射G:X→Y,GY→X與DY→X組合成一個生成式對抗網(wǎng)絡(luò)GANY→X進行學(xué)習(xí)映射F:Y→X。兩個生成式對抗網(wǎng)絡(luò)組成一個循環(huán)結(jié)構(gòu),具體結(jié)構(gòu)如圖1所示。循環(huán)網(wǎng)絡(luò)分成正向循環(huán)與反向循環(huán)兩個階段。正向循環(huán)抽取源域的一張低倍數(shù)顯微圖片x通過GANX→Y生成一張偽高倍數(shù)顯微圖像fakey。隨后該fakey通過GANY→X生成一張近似于原始低倍數(shù)顯微圖像x的生成圖像fakex′,并對x與fakex′計算循環(huán)一致性損失。反向循環(huán)抽取目標(biāo)域的一張高倍數(shù)顯微圖像y通過GANY→X生成一張偽低倍數(shù)圖像fakex。隨后該fakex通過GANX→Y生成一張近似于原始高倍數(shù)顯微圖像y的生成圖像fakey,并對y與fakey計算循環(huán)一致性損失。

3)引入新的生成器結(jié)構(gòu)。在原始CycleGAN生成器主體的結(jié)構(gòu)上使用了新的密集殘差塊。根據(jù)過去的實驗,更多的層與連接總可以提升網(wǎng)絡(luò)的實際性能。隨著殘差密集塊的引入,可以將網(wǎng)絡(luò)中的密集連接變得更多,具體結(jié)構(gòu)如圖2與圖3所示。圖3 本文密集殘差塊

【參考文獻】：
期刊論文
[1]結(jié)合全卷積網(wǎng)絡(luò)與CycleGAN的圖像實例風(fēng)格遷移[J]. 劉哲良,朱瑋,袁梓洋.  中國圖象圖形學(xué)報. 2019(08)
[2]基于生成對抗網(wǎng)絡(luò)的圖片風(fēng)格遷移[J]. 許哲豪,陳瑋.  軟件導(dǎo)刊. 2018(06)
[3]超高倍顯微鏡下臍帶血中弓形蟲監(jiān)測的臨床研究[J]. 姜平平,王健,趙慧.  中國醫(yī)藥指南. 2011(30)
[4]介紹一種快速、簡易和準確的弓形蟲活檢法[J]. 鄒路,鄒保生,關(guān)淑春.  廣西預(yù)防醫(yī)學(xué). 2003(06)

碩士論文
[1]安徽部分地區(qū)豬附紅細胞體病的分子流行病學(xué)調(diào)查[D]. 劉喆.安徽農(nóng)業(yè)大學(xué) 2017



本文編號：3452806