虚拟 DES 图像是否是真实图像的有效替代品?
图像与视频处理
2025-08-22 v1 人工智能
计算机视觉与模式识别
摘要
对比增强谱乳糜鞘成像 (CESM) 是一种提供两种图像类型的成像技术,通常称为低能图像 (LE) 和双能减法图像 (DES)。在许多领域,特别是医疗领域,图像到图像转换技术的出现使人们能够使用其他图像生成人工图像。在 CESM 中,对 LE 图像生成 DES 图像的此类技术可能非常有益,可显著减少高能图像获取相关的辐射暴露。本研究调查了三种用于人工生成 DES 图像 (虚拟 DES) 的模型：预训练 U-Net 模型、端到端训练的 U-Net 模型和 CycleGAN 模型。我们还进行了一系列实验,评估使用虚拟 DES 图像对 CESM 检查进行恶性和非恶性分类的影响。鉴于本文是首次评估虚拟 DES 图像对 CESM 病灶分类的影响,我们对此表示特别注意。结果表明，最佳性能采用预训练 U-Net 模型,在使用虚拟 DES 图像时,F1 分数为 85.59%,而使用真实 DES 图像时为 90.35%。这一差异可能源于真实 DES 图像包含额外的诊断信息,从而提高了分类准确性。尽管如此,虚拟 DES 图像生成的潜力仍然很大,未来的进步可能缩小这一性能差距,以至于在完全依赖虚拟 DES 图像时变得临床可行。
引用
@article{arxiv.2508.15594,
title = {Are Virtual DES Images a Valid Alternative to the Real Ones?},
author = {Ana C. Perre and Luís A. Alexandre and Luís C. Freire},
journal= {arXiv preprint arXiv:2508.15594},
year = {2025}
}
备注
10 pages, 4 figures, 3 tables