摘要
摘要：医学影像在疾病诊断和治疗方案制定中起着关键作用。然而，医学数据集的稀缺性和特异性导致医疗影像诊断系统在执行疾病鉴别任务时存在精度低，鲁棒性弱等问题。针对该问题，本文提出了一种基于自适应增强生成对抗网络（Generative adversarial network ，GAN）的医学影像诊断框架。首先利用GAN合成与真实患者数据分布高度相似的医学影像，实现对于稀缺医疗数据集的扩充。然后，本文通过引入多头注意力机制，提升了GAN的泛化能力，进一步丰富了生成样本。最后，利用包含真实和合成影像的增强数据集来训练卷积神经网络进行医学影像分类。本文所提的框架在一个真实的CT检查框架上进行了实验，实验结果展示了本框架提高医学影像诊断准确性和可靠性的潜力。该研究可以帮助医疗专业人员做出更为恰当的决定，降低患者的护理难度。
出版日期
2024年05月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
