Изменения
→Генерация результатов исследований
Основная проблема, с которой сталкиваются такие модели {{---}} необходимость очень точно определять границы объекта на сгенерированном изображении, а также не допускать размытости. Эти две проблемы долгое время не получалось решить без большого количества реальных данных, вследствие чего не было возможным применение сгенерированных изображений на практике.
Сильно улучшить поведение моделей удалось путем использования метрики Васерштейна<ref>[https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B0_%D0%92%D0%B0%D1%81%D0%B5%D1%80%D1%88%D1%82%D0%B5%D0%B9%D0%BD%D0%B0 Википедия:Метрика Васерштейна]</ref>, которая. Интуитивно, если провести аналогию с землейкаждая мера измеряет распределение «грунта» по метрическому пространству, то расстояние Васерштейна измеряет минимальную стоимость преобразования одного распределения земли грунта в другое, при этом предполагается, что стоимость прямо пропорциональна количеству земли грунта и расстоянию, на которое ее его надо перетащить. Использование такой метрики в GAN помогло сильно улучшить поведение моделей при генерации данных МРТ исследований.
==Персонализированная медицина==
