TY -的A2王长非盟-胡,Zebin盟——刘,郝AU - Li Zhendong AU - Yu Zekuan PY - 2021 DA - 2021/10/25 TI -跨模型的变压器医学图像合成方法SP - 5624909六世- 2021 AB -获得互补信息组织形态从多模态医学图像有利于临床疾病诊断,但它不能广泛使用,由于扫描的成本。在这种情况下,医学图像合成已成为一个受欢迎的地区。最近,生成对抗网络(GAN)模型应用于很多医学图像合成任务和显示性能之前,因为他们可以捕捉结构细节清晰。然而,GAN仍然构建的主要框架基于卷积神经网络(CNN)展览一个强大的位置偏差和空间不变性通过使用共享的权重在所有位置。因此,长期依赖被毁在这个处理。为了解决这个问题,我们引入一个double-scale深度学习跨通道医学图像合成的方法。更具体地说,该方法捕获位置特性通过当地鉴别器基于CNN和利用远程学习依赖全球功能通过全球鉴别器基于变压器结构。评估double-scale GAN的有效性,我们进行折叠团队标准基准数据集上的实验,实验结果证明了我们的方法的有效性。SN - 1076 - 2787你——https://doi.org/10.1155/2021/5624909——10.1155 / 2021/5624909 JF - PB - Hindawi KW - ER -复杂性