用于解剖结构虚拟人群可控合成的条件流变分自编码器
图像与视频处理
2023-07-31 v2 计算机视觉与模式识别
机器学习
摘要
解剖结构虚拟人群（VP）的生成对于医疗器械的计算机仿真试验至关重要。通常，生成的 VP 应在保持合理性的同时捕获足够的变异性，并反映真实人群中所观察患者的具体特征与人口统计学信息。在若干应用中，期望以受控方式合成虚拟人群，即利用相关协变量有条件地合成符合特定目标人群/特征的虚拟人群。我们提出将条件变分自编码器（cVAE）与归一化流结合，以增强所学习的近似后验的灵活性与复杂度，从而提升解剖结构 VP 可控合成的灵活性。我们利用来自 2360 名患者的心脏左心室数据集，以及关联的人口统计学信息与临床测量值（用作协变量/条件信息）来验证条件流 VAE 的性能。所得结果表明，相对于 cVAE，所提方法在心脏左心室虚拟人群的条件合成上具有优越性。条件合成性能通过泛化误差与特异性误差，以及相对于真实观察人群在合成 VP 中保留临床相关生物标志物（即左心室血池与心肌体积）的能力进行评估。
引用
@article{arxiv.2306.14680,
title = {A Conditional Flow Variational Autoencoder for Controllable Synthesis of Virtual Populations of Anatomy},
author = {Haoran Dou and Nishant Ravikumar and Alejandro F. Frangi},
journal= {arXiv preprint arXiv:2306.14680},
year = {2023}
}
备注
Accepted at MICCAI 2023