耦合人工智能与公众科学创建增强型医学图像分割训练数据集
图像与视频处理
2025-07-22 v2 计算机视觉与模式识别
摘要
医学成像和人工智能（AI）的最新进展极大提升了诊断能力，但有效深度学习（DL）模型的开发仍受限于缺乏高质量标注数据集。医学专家的传统手工标注过程耗时且耗费资源，限制了这些数据集的可扩展性。在本工作中，我们引入了一个稳健且通用的框架，结合AI与众包技术以提升不同模态医学图像数据集的质量与数量。我们的方法利用一个用户友好的在线平台，使多样化的众包标注员能够高效地标注医学图像。通过将MedSAM分割AI与该平台集成，我们加速了标注过程，同时通过融合众包标注图像的算法保持了专家级质量。此外，我们采用pix2pixGAN这一生成式AI模型，利用捕捉真实形态特征的合成图像扩展训练数据集。这些方法被整合为一个连贯的框架，旨在生成增强型数据集，该数据集可作为通用预处理流水线以促进任何医学深度学习分割模型的训练。我们的结果表明，该框架显著提升了模型性能，尤其是在训练数据有限的情况下。
引用
@article{arxiv.2409.03087,
title = {Coupling AI and Citizen Science in Creation of Enhanced Training Dataset for Medical Image Segmentation},
author = {Amir Syahmi and Xiangrong Lu and Yinxuan Li and Haoxuan Yao and Hanjun Jiang and Ishita Acharya and Shiyi Wang and Yang Nan and Xiaodan Xing and Guang Yang},
journal= {arXiv preprint arXiv:2409.03087},
year = {2025}
}