基于去噪扩散概率模型生成的颈椎 X 光片的专家验证
图像与视频处理
2025-10-28 v1 计算机视觉与模式识别
机器学习
摘要
脑外手术中的机器学习受限于组装大型高质量成像数据集的挑战。合成数据提供了可扩展且可保护隐私的解决方案。我们评估了使用在 4963 张 Cervical Spine X-ray Atlas 图像上训练的去噪扩散概率模型 (DDPM) 生成逼真侧腰椎 X 光片的可行性。通过训练/验证损失和 Fréchet 意象距离监控模型性能，并对合成图像质量进行盲法“临床图灵测试”，邀请六名神经放射科医生和两名颈椎专科培训的神经外科医生评估。专家在 50 组试验中正确识别真实图像的比例为 29%（Fleiss' kappa=0.061），平均逼真度得分在真实图像 (3.323) 与合成图像 (3.228, 3.258, 3.320) 之间无显著差异（p=0.383, 0.471, 1.000）。最近邻分析未发现记忆痕迹。我们还提供了 20063 张合成颈椎 X 光片数据集。这些结果表明，DDPM 生成的颈椎 X 光片在逼真度和质量上与真实临床图像无显著差异，为在地标化、分割和分类领域创建大规模神经影像数据集提供了新方法。
引用
@article{arxiv.2510.22166,
title = {Expert Validation of Synthetic Cervical Spine Radiographs Generated with a Denoising Diffusion Probabilistic Model},
author = {Austin A. Barr and Brij S. Karmur and Anthony J. Winder and Eddie Guo and John T. Lysack and James N. Scott and William F. Morrish and Muneer Eesa and Morgan Willson and David W. Cadotte and Michael M. H. Yang and Ian Y. M. Chan and Sanju Lama and Garnette R. Sutherland},
journal= {arXiv preprint arXiv:2510.22166},
year = {2025}
}
备注
10 pages, 4 figures, 1 table