基于掩码生成器和文本引导网络的乳腺超声肿瘤生成：一种临床可控框架及下游评估
图像与视频处理
2025-07-11 v1 计算机视觉与模式识别
摘要
稳健的乳腺超声（BUS）图像分析深度学习模型的开发，显著受限于缺乏专家标注数据的不足。为解决这一限制，我们提出了一种临床可控的生成框架用于合成乳腺超声图像。该框架将临床描述与结构掩码相集成，以生成肿瘤，实现对肿瘤特征（如形态学、回声特征和形状）的精细控制。此外，我们设计了语义曲率掩码生成器，该生成器依据临床先验条件生成结构多样化的肿瘤掩码。在推断阶段，合成肿瘤掩码作为生成框架的输入，产生具有反映真实世界形态多样性的高个性化合成乳腺超声图像。在六个公开的乳腺超声数据集上进行定量评估，表明合成图像在增强下游乳腺癌诊断任务方面具有显著的临床实用性。此外，由经验丰富的超声医生进行的视觉图灵测试确认了生成图像的真实性，表明该框架有望支持更广泛的临床应用。
引用
@article{arxiv.2507.07721,
title = {Breast Ultrasound Tumor Generation via Mask Generator and Text-Guided Network:A Clinically Controllable Framework with Downstream Evaluation},
author = {Haoyu Pan and Hongxin Lin and Zetian Feng and Chuxuan Lin and Junyang Mo and Chu Zhang and Zijian Wu and Yi Wang and Qingqing Zheng},
journal= {arXiv preprint arXiv:2507.07721},
year = {2025}
}
备注
11 pages, 6 figures