利用生成对抗网络方法创建合成地形角膜图像
图像与视频处理
2023-01-30 v1 计算机视觉与模式识别
摘要
角膜疾病是最常见的眼部疾病。深度学习技术被用于角膜的自动化诊断。深度学习网络需要大规模标注数据集，这被视为深度学习的弱点。本工作提出了一种使用条件生成对抗网络（CGANs）合成医学图像的方法，并说明了生成的医学图像如何用于丰富医学数据、改善临床决策以及提升常规神经网络（CNN）用于医学图像诊断的性能。研究包含使用Pentacam设备从角膜疾病患者捕获的角膜地形图。数据集包含3448张不同的角膜图像。此外，它展示了不平衡数据集如何影响分类器性能，其中数据通过重采样方法得以平衡。最后，将在平衡数据集上训练的CNN网络所得结果与在不平衡数据集上训练的CNN网络所得结果进行比较。在性能方面，系统估计了诊断准确率、精确率和F1-score指标。最后，将一些生成图像展示给专家评估，以观察专家能多好地识别图像类型及其状况。专家根据形状和数值，认可该图像可用于医学诊断及确定严重程度分级，通过基于真实病例生成图像，可作为健康与患者间不同疾病阶段的新样本。
引用
@article{arxiv.2301.11871,
title = {Exploiting the Generative Adversarial Network Approach to Create a Synthetic Topography Corneal Image},
author = {Samer Kais Jameel and Sezgin Aydin and Nebras H. Ghaeb and Jafar Majidpour and Tarik A. Rashid and Sinan Q. Salih and P. S. JosephNg},
journal= {arXiv preprint arXiv:2301.11871},
year = {2023}
}
备注
13 pages