基于生成对抗网络的视网膜图像样本增大模型设计

大量有标签的样本数据是深度学习提取丰富特征的关键因素。然而;获得大样本需要耗费大量的人力物力;有时候甚至是难以完成的任务;尤其是在医学领域。本文以视网膜眼底病变智能检测为问题需求背景;基于原始视网膜眼底图像样本;提出了基于生成对抗网络(GAN)的视网膜图像样本增大模型;包括特征可分离编码器和特征扰动生成器;可自动生成血管图像、病灶图像和视网膜眼底图像;通过合成多个数据样本;得到生成视网膜眼底图像;为深度学习技术在该领域的应用提供大数据生成模型支持。