超分辨率皮肤病变图像：医学信息学解锁25（2021）100667

医学信息学解锁25（2021）100667对“提出一种新的超分辨率皮肤病变图像Ali Shahsavari，Sima Ranjbari，Toktam Khatibi*伊朗德黑兰Tarbiat Modares大学工业和系统工程学院作者对此不便表示歉意在回顾了这篇文章之后，我们发现了Figs的问题。4和5.第7页上的图4是正确的，应该保留，但图4。（续）第8页应删除。此外，第9页的图5需要修改。它包括两组图，只保留上面的15个，去掉下面的15个下图显示了正确的数字。原文DOI：https://doi.org/10.1016/j.imu.2021.100628。* 通讯作者。电子邮件地址：toktamk. modares.ac.ir（T.Khatibi）。https://doi.org/10.1016/j.imu.2021.1006672021年7月16日在线提供2352-9148/© 2021由Elsevier Ltd.发布可在ScienceDirect上获得目录列表医学信息学期刊主页：www.elsevier.com/locate/imuA. Shahsavari等人医学信息学解锁25（2021）1006672见图4。通过不同的基于GANs的方法和我们设计的CESR-GAN模型以及相应的LR图像产生SR图像的视觉比较。LR-1和LR-2分别来自PH 2和ISIC数据集A. Shahsavari等人医学信息学解锁25（2021）1006673图五、在 I S I C 存 档 上 的 建 议 C E S R - G A N 模 型 的 每 个 阶 段 中 生成具有软组织的图像的SR和LR样本。作者对由此造成的不便表示歉意