Prostate-Segmentation-with-GANs: 关于“利用GAN技术实现前列腺分割”的代码及其他补充信息（这是我2019年的研究工作）

简介：
本项目致力于使用生成对抗网络(GAN)技术进行精确的前列腺医学图像自动分割，旨在提升临床诊断效率与准确性。这是我在2019年开展的研究工作的一部分。 在2019年于英国阿伯里斯特威斯大学进行的暑期实习期间，在Reyer Zwiggelaar的指导下完成了一项关于前列腺分割术的研究。生成对抗网络（GANs）已经在各种视觉内容生成中表现出巨大成功，包括医学图像应用如重建、分割、检测以及合成或分类等任务。由于其能够产生高度逼真的图像，GAN在标记数据稀缺的情况下，在医学领域和分析问题上具有巨大的潜力。 本段落展示了条件GAN（cGAN）与cycleGAN网络在前列腺MR图像上的性能表现，这些图像是从ADC、DWI及T2W三种常见类型的前列腺扫描中提取的。据我们所知，这可能是首次使用cycleGAN进行前列腺MR图像处理的研究案例。此外，文中还提出了三种不同的数据增强方法，并探讨了cGAN和cycleGAN模型在面对超像素化、添加高斯噪声和平滑训练数据时的表现。 首先观察的是U-Net网络与cGAN及cycleGAN在网络原始前列腺图象上的性能表现。