基于DDPM的X射线图像合成器
图像与视频处理
2024-01-04 v1 计算机视觉与模式识别
摘要
医疗行业中高质量数据集的获取限制了机器学习模型的性能。为了解决这个问题，我们提出了一种结合UNet架构的去噪扩散概率模型（DDPM）用于X射线图像合成。针对肺炎疾病，我们的方法使用了从Kaggle获得的3000多张肺炎X射线图像进行训练。结果证明了我们方法的有效性，因为模型成功生成了具有低均方误差（MSE）的真实图像。合成图像与非肺炎图像显示出明显差异，突出了模型捕捉阳性病例关键特征的能力。除了肺炎，该合成器的应用可以扩展到各种医疗条件，只要有足够的数据集。生成高质量图像的能力可以潜在地提高机器学习模型的性能，有助于更准确和高效的医疗诊断。这种创新的基于DDPM的X射线照片合成器为解决阳性医疗图像数据集稀缺问题提供了一条有希望的途径，为医疗行业的医学图像分析和诊断改进铺平了道路。
引用
@article{arxiv.2401.01539,
title = {DDPM based X-ray Image Synthesizer},
author = {Praveen Mahaulpatha and Thulana Abeywardane and Tomson George},
journal= {arXiv preprint arXiv:2401.01539},
year = {2024}
}