УДК 004.932
DOI: 10.36871/2618-9976.2023.11-2.005
Авторы
Евгений Юрьевич Щетинин,
Профессор департамента математики факультета информационных технологий и анализа больших данных, Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Аннотация
Глубокие нейронные сети позволили совершить значительный прорыв в области анализа медицинских изображений. Однако из-за их высокой требовательности к объему данных небольшие объемы наборов данных в задачах, связанных с медицинской визуализацией, могут препятствовать раскрытию их возможностей. Генерирование синтетических данных является перспективной альтернативой, позволяющей дополнить обучающие наборы данных и проводить исследования медицинских изображений в более широком масштабе. В минувшие годы глубокие генеративные модели привлекли внимание сообщества специалистов по компьютерному зрению, поскольку позволяют получать фотореалистичные синтетические изображения. В данной работе исследованы возможности использования глубоких генеративных моделей и разработаны компьютерные алгоритмы для создания синтетических изображений с высоким разрешением. Полученные результаты компьютерного моделирования подтвердили высокую эффективность и преимущества применения диффузионных моделей в задачах синтеза изображений.
Ключевые слова
диффузионная модель
генеративное моделирование
синтетическое изображение
искусственный интеллект
