Detail publikace
Synthetic Retinal Images from Unconditional GANs
Rohdin Johan Andréas, M.Sc., Ph.D. (UPGM)
Drahanský Martin, prof. Ing., Ph.D.
sítnice oka, krevní cévy, GAN, syntetický obraz
Syntetizované obrazy sítnice jsou velmi žádané při vývoji automatizovaných očních aplikací, protože mohou zvyšovat velikost a heterogenitu tréninkové databáze, aby algoritmy strojového učení byly robustnější. Nedávno se ukázaly slibné pro generování obrazů sítnice podmíněné syntezátory založené na podmíněných generativních adversiálních sítích (cGAN). Syntetizátory založené na cGAN však vyžadují během tréninku segmentované krevní cévy (KC) spolu s obrazy RGB sítnice. Množství takových dat (tj. snímků sítnice a jejich odpovídajících KC) dostupných ve veřejných databázích je velmi malé. Proto je pro trénování cGAN nutný zvláštní systém buď pro syntézu KC, nebo pro segmentaci KC z obrazů sítnice. V tomto článku ukazujeme, že pomocí bezpodmínečných GAN (uGAN) můžeme generovat syntetizované obrazy sítnice bez použití obrázků KC.
@inproceedings{BUT161844,
author="Sangeeta {Biswas} and Johan Andréas {Rohdin} and Martin {Drahanský}",
title="Synthetic Retinal Images from Unconditional GANs",
booktitle="Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society",
year="2019",
pages="2736--2739",
publisher="IEEE Computer Society",
address="Berlin",
doi="10.1109/EMBC.2019.8857857",
isbn="978-1-5386-1311-5",
url="https://ieeexplore.ieee.org/document/8857857"
}