генерування зображень

ВИКОРИСТАННЯ ШУМІВ ДЛЯ СТАБІЛЬНОГО ГЕНЕРУВАННЯ ЗОБРАЖЕНЬ У ДИФУЗІЙНИХ МОДЕЛЯХ

В основі цієї роботи лежить дослідження процесу генерування зображень за допомогою дифузійних моделей. Продемонстровано можливості покращення стабільності генерування необхідного зображення за допомогою підходу, що передбачає використання постійного шуму як регуляризатора та накладання на нього маски випадкового шуму, яка створюється навколо кожного пікселя вхідного зображення у випадковому радіусі. Реалізація моделей проведена за допомогою мови Python та бібліотек tensorflow, numpy та keras.

СИНТЕЗ БІОМЕДИЧНИХ ЗОБРАЖЕНЬ НА ПІДСТАВІ ГЕНЕРАТИВНО-ЗМАГАЛЬНИХ МЕРЕЖ

Дос­лі­дже­но су­час­ні ба­зи да­них бі­оме­дич­них зоб­ра­жень. По­ка­за­но, що от­ри­ман­ня бі­оме­дич­них зоб­ра­жень є до­ро­гим і три­ва­лим. Роз­роб­ле­но ба­зу да­них зоб­ра­жень пе­ред­ра­ко­вих і ра­ко­вих ста­нів мо­лоч­ної за­ло­зи "BPCI2100". Ба­за да­них скла­дається із 2100 файлів зоб­ра­жень та MySQL ба­зи да­них ін­фор­ма­ції ме­дич­них дос­лі­джень (ін­фор­ма­ція про па­цієнта та оз­на­ки зоб­ра­жен­ня). З'ясо­ва­но, що ефек­тив­ним за­со­бом ге­не­ру­ван­ня зоб­ра­жень є ге­не­ра­тив­но-зма­галь­ні ме­ре­жі.