3D医学图像合成的深度生成模型
图像与视频处理
2024-10-24 v1 计算机视觉与模式识别
摘要
深度生成模型已成为合成真实医学图像的强大工具，推动了医学图像分析、疾病诊断和治疗规划等领域的进展。本章节探讨了3D医学图像合成的各种深度生成模型，重点关注变分自编码器(VAEs)、生成对抗网络(GANs)和去噪扩散模型(DDMs)。我们讨论了这些模型的基本原理、最新进展及其优势与局限，审阅其在临床相关问题中的应用，包括无条件和条件生成任务，如图像到图像转换和图像重建。我们 additionally 回顾了常用的评估指标，用于衡量图像保真度、多样性、实用性和隐私，并概述了该领域的当前挑战。
引用
@article{arxiv.2410.17664,
title = {Deep Generative Models for 3D Medical Image Synthesis},
author = {Paul Friedrich and Yannik Frisch and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2410.17664},
year = {2024}
}