基于改进PGGAN的口腔图像数据增强算法

为解决口腔图像数据量小与图像高质量、高细节需求间的矛盾,研究一种传统数据增强和渐进增长式生成对抗网络(progressive growing of generative adversarial networks,PGGAN)算法相结合的数据增强方法。利用渐进式增长的网络结构和网络平滑机制,实现病灶图像的扩增,解决传统数据增强算法对图像多样性提升的局限性问题。针对PGGAN算法生成病灶细节存在缺陷的问题,结合轻量化的注意力机制,优化PGGAN算法,提升图像的质量。实验结果表明,针对口腔白斑和口腔扁平苔藓数据集,改进PGGAN算法生成图像的质量和多样性均有所提升。通过与其它典型网络的对比实验,进一步验证了算法的有效性。