摘要

生成对抗网络由于其强大的数据生成能力而在计算机视觉领域很受重视。生成对抗网络的对抗性损失可以用一种巧妙的方式将未标记的样本纳入训练,这在数据增强、图像翻译等方面十分有用。因此,生成对抗网络也引来了医学图像生成领域的关注,并已经出现了很多应用,例如医学图像的重建、合成、降噪等。本文总结了IEEE、Springer、知网等数据库近年来的相关研究,将其按所使用的生成对抗网络架构类别划分,并就医学图像生成方面如何选择合适的生成对抗网络架构,生成对抗网络遇到的问题以及未来的发展方向做了讨论。