3、基于对抗训练与类相似性感知的信道信息估计及医学图像检索研究

基于对抗训练与类相似性感知的信道信息估计及医学图像检索研究

在当今科技发展的浪潮中，信道状态信息估计和医学图像检索领域都取得了显著的进展。本文将深入探讨这两个领域的相关技术和方法，为大家详细介绍其原理、应用及优势。

信道状态信息估计中的对抗训练

在LTE环境下，为了从低质量的LS估计中获取高质量的信道状态信息（CSI），研究人员采用了三种训练方法。通过对不同输入样本大小的研究，确保为非对抗训练的基线网络选择了合适的输入样本大小。

在单输入单输出（SISO）训练环境中，所有训练方法表现相似。然而，当引入多天线（MA）环境时，情况发生了变化。

• 不同网络在MA环境中的表现
  • 对抗训练的ResNet ：在接收分集情况下，对抗训练的网络通常能优于传统的非对抗方法；但在发射分集情况下，其性能有所下降。
  • SRGAN ：在高信噪比（SNR）水平下，SRGAN在某些方面优于对抗训练的ResNet，但在大部分SNR范围内，它并不比传统ResNet表现更好。在发射分集情况下，使用特征图的SRGAN在高SNR时能与传统ResNet竞争。

通过对不同MA环境的分析发现，对抗训练会使网络性能出现意想不到的提升或下降。这表明训练阶段使用的性能指标在为MA CSI估计任务选择网络时可能并不充分。

医学图像检索中的类相似性感知交叉熵损失

随着成像技术的发展，医学图像数据量急剧增加。为了更有效地管理和检索这些