一种基于UNet-GAN网络的肺炎CT图像生成方法

摘要

本发明公开了一种基于UNet‑GAN网络的肺炎CT图像生成方法。属于计算机视觉技术领域，本发明中生成式对抗网络包括生成器和判别器两个主体；首先使用现有新冠肺炎公开数据集图像，并对数据集进行预处理操作；其次建立U‑Net和DCGAN联合的卷积神经网络，改进后的U‑Net嵌入DCGAN的生成器部分，实现真实图像分析再生成的过程，DCGAN中的判别结构实现网络判别真实图像与生成图像的过程；然后将训练数据输入搭建的生成对抗网络，使模型能够产生与真实图片相似的高质量图像；最后将真实图像输入训练好的网络，得到所需的肺炎CT图像。本发明新生成的图像能够更清晰的保留样本图像中小目标的特征信息，提升图像生成质量和网络收敛速度，为广大网络模型训练提供数据。