ROP-GAN：基于生成对抗网络的ROP病变图像合成方法 背景与意义 早产儿视网膜病变（ROP）是导致儿童失明的主要原因之一，医学影像诊断依赖大量高质量标注数据。传统数据收集面临标注成本高、隐私问题等挑战。生成对抗网络（GAN）为合成逼真ROP病变图像提供了新思路，可解决数据稀缺问题并辅助医生培训与算法开发。 方法架构 ROP-GAN采用条件生成对抗网络（cGAN）框架，生成器接收随机噪声与病变条件标签（如病变分期、位置），输出合成图像。判别器区分真实图像与生成图像，通过对抗训练提升生成质量。关键改进包括：  病变感知注意力模块：在生成器中嵌入注意力机制，聚焦于视网膜血管异常区域。 多尺度判别...