Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > End-to-End Adversarial Retinal Image Synthesis

Publicações

End-to-End Adversarial Retinal Image Synthesis

Título
End-to-End Adversarial Retinal Image Synthesis
Tipo
Artigo em Revista Científica Internacional
Ano
2018
Autores
Pedro Costa
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Adrian Galdran
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Ver página do Authenticus Sem ORCID
Maria Ines Meyer
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Ver página do Authenticus Sem ORCID
Meindert Niemeijer
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Michael Abràmoff
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ana Maria Mendonça
(Autor)
FEUP
Aurélio Campilho
(Autor)
FEUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Sem ORCID
Revista
Vol. 37
Páginas: 781-791
ISSN: 0278-0062
Editora: IEEE
Outras Informações
ID Authenticus: P-00N-22X
Abstract (EN): In medical image analysis applications, the availability of the large amounts of annotated data is becoming increasingly critical. However, annotated medical data is often scarce and costly to obtain. In this paper, we address the problem of synthesizing retinal color images by applying recent techniques based on adversarial learning. In this setting, a generative model is trained to maximize a loss function provided by a second model attempting to classify its output into real or synthetic. In particular, we propose to implement an adversarial autoencoder for the task of retinal vessel network synthesis. We use the generated vessel trees as an intermediate stage for the generation of color retinal images, which is accomplished with a generative adversarial network. Both models require the optimization of almost everywhere differentiable loss functions, which allows us to train them jointly. The resulting model offers an end-to-end retinal image synthesis system capable of generating as many retinal images as the user requires, with their corresponding vessel networks, by sampling from a simple probability distribution that we impose to the associated latent space. We show that the learned latent space contains a well-defined semantic structure, implying that we can perform calculations in the space of retinal images, e.g., smoothly interpolating new data points between two retinal images. Visual and quantitative results demonstrate that the synthesized images are substantially different from those in the training set, while being also anatomically consistent and displaying a reasonable visual quality.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 11
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction (2006)
Artigo em Revista Científica Internacional
Ana Maria Mendonca; Aurelio Campilho
Cell Nuclei and Cytoplasm Joint Segmentation Using the Sliding Band Filter (2010)
Artigo em Revista Científica Internacional
Pedro Quelhas; Monica Marcuzzo; Ana Maria Mendonca; Aurelio Campilho
Automated topographic segmentation and transit time estimation in endoscopic capsule exams (2008)
Artigo em Revista Científica Internacional
Silva P S Cunha; Coimbra, A; Campos, P; Soares, JM
Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Direito da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-09-09 às 14:09:22 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico