北京時間7月8日消息，以假亂真的換臉軟件DeepFakes曾一度引起恐慌，甚至遭到卡內(nèi)基國際和平基金會公開diss。該機構(gòu)曾發(fā)表文章稱DeepFakes正在給政府與企業(yè)帶來破壞性的影響，但這項技術(shù)背后的算法“生成對抗網(wǎng)絡(luò)”（Generative adversarial networks，簡稱GAN）合成高度逼真圖像的能力將對醫(yī)學(xué)診斷產(chǎn)生重大影響。
深度學(xué)習(xí)算法在圖像模式匹配方面表現(xiàn)出色，可被應(yīng)用于在CT掃描中檢測不同類型的癌癥，鑒別磁共振成像中的疾病，以及識別x射線的異常。但由于隱私問題，研究人員往往沒有足夠的測試數(shù)據(jù)，這正是GAN的發(fā)展方向：通過“生成對抗網(wǎng)絡(luò)”合成更多與真實圖像難以區(qū)分的醫(yī)學(xué)圖像，有效地增加所需數(shù)據(jù)的數(shù)量。
不過，GAN應(yīng)用于醫(yī)學(xué)研究還面臨一項重大挑戰(zhàn)。深度學(xué)習(xí)算法需要對高分辨率圖像進(jìn)行訓(xùn)練，才能產(chǎn)生最佳預(yù)測，然而合成這樣的高分辨率圖像，尤其是3D圖像，需要大量的計算能力。這意味著這項應(yīng)用對硬件要求頗高，想要在醫(yī)院大規(guī)模推廣目前還不具備相應(yīng)的條件。
但來自呂貝克大學(xué)醫(yī)學(xué)信息學(xué)研究所的研究人員提出了一種新方法，可以大大降低硬件的配置要求。研究人員把圖像生成的過程分解為幾個階段：首先利用GAN生成低分辨率圖像，然后在正確的分辨率下每次生成一小部分的細(xì)節(jié)圖像。通過實驗，研究人員發(fā)現(xiàn)這種方法不僅生成了逼真的高分辨率2D和3D圖像，而且無論圖像大小，支出費用都保持不變。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。