Изменения
→Генерация результатов исследований
Задачу таких GAN можно оделить на две: генерация изображений здоровых пациентов и изображений с патологиями. В случае второй задачи важно, чтобы сгенерированные изображения правильно определялись именно по типу патологии.
Основная проблема, с которой сталкиваются такие модели {{---}} необходимость очень точно определеять 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, если провести аналогию с землей, измеряет минимальную стоимость преобразования одного распределения земли в другое, при этом предполагается, что стоимость прямо пропорциональна количеству земли и расстоянию, на которое ее надо перетащить. Использование такой метрики в GAN помогло сильно улучшить поведение моделей при генерации данных МРТ исследований.
