基于软标签数据集蒸馏的压缩胃部图像生成用于医疗数据共享

背景与目的：医疗数据的共享是实现医疗信息跨机构流动和构建高精度计算机辅助诊断系统所必需的。然而，医疗数据集规模庞大、训练后的深度卷积神经网络（DCNN）模型占用内存巨大以及患者隐私保护等问题，会导致医疗数据共享效率低下。因此，本研究提出一种用于医疗数据共享的新型软标签数据集蒸馏方法。方法：所提方法蒸馏医疗图像数据的有效信息，并生成若干具有不同数据分布的压缩图像，以实现匿名医疗数据共享。此外，我们的方法能够提取DCNN模型的关键权重，从而减少保存训练模型所需的内存，以实现高效的医疗数据共享。结果：所提方法可将数万张图像压缩为若干软标签图像，并将训练模型的大小缩减至原始大小的几百分之一。蒸馏后获得的压缩图像已在视觉上匿名化，因此不包含患者的隐私信息。此外，我们可以利用少量压缩图像实现高检测性能。结论：实验结果表明，所提方法能够提高医疗数据共享的效率与安全性。