近年来，生成对抗网络（Generative Adversarial Network,GAN）以其独特的对抗训练机制引起广泛的关注，应用场景也逐渐延伸到医学图像领域，先后出现了众多优秀的研究成果．本文首先介绍了GAN的理论背景及衍生出的典型变体，特别是多种用于医学图像转换领域的基础GAN模型．随后从多种不同的目标任务和训练方式出发，对前人的研究成果进行了归纳总结，并对优缺点进行了分析．最后就目前GAN在医学图像转换领域存在的不足以及未来的发展方向进行了细致讨论．
科研之友
微信
新浪微博
Facebook
分享链接
