Search academic texts

Information × Registration Number 2124U009260, Article popup.category Опубліковано, Стаття Title METHOD OF GENERATIVE-ADVERSARIAL NETWORKS SEARCHING ARCHITECTURES FOR BIOMEDICAL IMAGES SYNTHESIS popup.author Березький О. М.Лящинський П. Б.Berezsky O. M.Liashchynskyi P. B. popup.publication 02-04-2024 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/300976 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. У статті досліджено проблему автоматичного проектування архітектур генеративно-змагальних мереж. Генеративно-змагальні мережі використовуються для синтезу зображень. Особливо це актуально для синтезу біомедичних зображень –цитологічних і гістологічних, які використовуються для постановки діагнозу в онкології. Синтезовані зображення використовуються для навчання згорткових нейронних мереж. Згорткові нейронні мережі є одними із найточніших класифікаторів біомедичних зображень на сьогодні. Мета роботи – це розробка автоматичного методу для пошуку архітектур генеративно-змагальних мереж на основі генетичного алгоритму. Метод. Розроблений метод складається з етапу пошуку архітектури генератора з фіксованим дискримінатором і етапу пошуку архітектури дискримінатора із найкращим генератором. На першому етапі визначається фіксована архітектура дискримінатора та здійснюється пошук генератора. Відповідно після першого кроку отримується архітектура найкращого генератора, тобто модель із найнижчим значенням FID. На другому етапі використано найкращу архітектуру генератора та проводено пошук аріхтектури дискримінатора. На кожному циклі алгоритму оптимізації створюється популяція дискримінаторів. Після другого кроку отримується аріхтектура генеративно-змагальної мережі. Результати. Для проведення експериментів використано цитологічні зображення раку молочної залози на платформі Zenodo. В результаті дослідження розроблено автоматичний метод пошуку архітектур генеративно змагальних мереж.В результаті комп’ютерних експериментів отримано архітектуру генеративно змагальної мережі для синтезу цитологічних зображень. Загальний час експерименту склав ~39.5 GPU годин. В результаті синтезовано 16 000 зображень (по 4000 на кожен клас). Для оцінки якості синтезованих зображень використано метрику FID . Результати експериментів показали, що розроблена архітектура є найкращою. Значення FID мережі становить 3.39. Цей результат є найкращим, порівняно з відомими генеративно-змагальними мережами. Висновки. У статті розроблено метод пошуку архітектур генеративно-змагальних мереж для задач синтезу біомедичних зображень. Крім цього розроблено програмний модуль для синтезу біомедичних зображень, який може бути використаний для навчання CNN. popup.nrat_date 2026-02-26 Close