Проаналізовано та здійснено порівняння архітектур генеративно-змагальних мереж (ГЗМ). Ці мережі будуються на основі згорткових нейронних мереж, які широко застосовуються для задач класифікації. Згорткові мережі вимагають великої кількості навчальних даних, щоб досягнути потрібної точності. ГЗМ використано для синтезу біомедичних зображень. Біомедичні зображення широко застосовуються в медицині, особливо в онкології. Для постановки діагнозу в онкології біомедичні зображення поділяються на 3 класи: цитологічні, гістологічні та імуногістохімічні. Начальні вибірки біомедичних зображень є дуже малими. Отримання навчальних зображень є складним і дорогим процесом. Для експериментів використано навчальну вибірку цитологічних зображень. Розглянуто найбільш розповсюджені архітектури ГЗМ, такі як DCGAN, WGAN, WGAN-GP, BGAN, BEGAN. Типова архітектура GAN мережі складається із генератора та дискримінатора. В основі генератора та дискримінатора лежить архітектура CNN мережі. Проаналізовано алгоритм глибокого навчання для синтезу зображень за допомогою ГЗМ. Під час експериментів розв'язано такі задачі. Для збільшення початкової кількості навчальних даних у вибірці застосовано множину афінних перетворень: відображення, паралельний перенос, зсув, масштабування тощо. Кожна з архітектур навчалася протягом визначеної кількості ітерації. Обрані архітектури були порівняні за часом навчання та якістю зображень на основі FID (Frechet Inception Distance) метрики. Для експериментів використано мову програмування Python і фреймворк для машинного навчання Pytorch. На основі використаних технологій розроблено прототип програмного модуля для синтезу цитологічних зображень. Синтез цитологічних зображень проведено на основі DCGAN, WGAN, WGAN-GP, BGAN, BEGAN архітектур. Для проведення експериментів використано онлайн середовище Google Colaboratory із використанням графічного процесора Nvidia Tesla K80.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Березький Олег Миколайович (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"