Estudio de redes generativas de confrontación para generación de datos sintéticos y su aplicación a tomografía optoacústica

Abstract

En este trabajo se propone el uso de una red generativa de confrontación (GAN) para efectuar un aumento de datos con el objetivo de mejorar la reconstrucción de imágenes en sistemas para tomografía optoacústica (TOA). Se utilizó el modelo denominado FastGAN que es una red compacta, capaz de generar imágenes de alta resolución a partir de un conjunto de datos reducidos. La calidad de los datos generados se evaluó a través de dos métodos. Por un lado, se usó la distancia de inicio de Fréchet (FID), observándose una tendencia decreciente a largo de todo el entrenamiento de la GAN. En el segundo método se entrenó una red neuronal U-Net diseñada para un sistema de TOA con y sin datos aumentados. En este caso, el modelo entrenado con los datos extras aportados por la GAN logró una mejora apreciable en las figuras de mérito asociadas a la reconstrucción.