Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images

Hristina Uzunova*, Jan Ehrhardt, Fabian Jacob, Alex Frydrychowicz, Heinz Handels

*Korrespondierende/r Autor/-in für diese Arbeit

Abstract

Generative adversarial networks (GANs) have shown impressive results for photo-realistic image synthesis in the last couple of years. They also offer numerous applications in medical image analysis, such as generating images for data augmentation, image reconstruction and image synthesis for domain adaptation. Despite the undeniable success and the large variety of applications, GANs still struggle to generate images of high resolution.

OriginalspracheEnglisch
TitelBildverarbeitung für die Medizin 2020
Redakteure/-innenThomas Tolxdorff, Thomas M. Deserno, Heinz Handels, Andreas Maier, Klaus H. Maier-Hein
Seitenumfang1
ErscheinungsortWiesbaden
Herausgeber (Verlag)Springer Vieweg, Wiesbaden
Erscheinungsdatum12.02.2020
Seiten286-286
ISBN (Print)978-3-658-29266-9
ISBN (elektronisch)978-3-658-29267-6
DOIs
PublikationsstatusVeröffentlicht - 12.02.2020
VeranstaltungBildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen
- Berlin, Deutschland
Dauer: 15.03.202017.03.2020
Konferenznummer: 237969

Strategische Forschungsbereiche und Zentren

  • Forschungsschwerpunkt: Biomedizintechnik

Fingerprint

Untersuchen Sie die Forschungsthemen von „Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images“. Zusammen bilden sie einen einzigartigen Fingerprint.

Zitieren