探索用于医学图像生成的变分自编码器：一项综合研究

Khadija Rais; Mohamed Amroune; Abdelmadjid Benmachiche; Mohamed Yassine Haouam

探索用于医学图像生成的变分自编码器：一项综合研究

机器学习 2024-11-13 v1 计算机视觉与模式识别图像与视频处理

作者: Khadija Rais , Mohamed Amroune , Abdelmadjid Benmachiche , Mohamed Yassine Haouam

摘要

变分自编码器（VAE）是医学图像生成领域最常用的技术之一，该架构近年来推动了研究者的进展并发展出多种变体。VAE 的优势包括通过在小规模数据集和类别不平衡数据集中添加样本来改进数据集，这就是数据增强的工作原理。本文对医学成像中 VAE 的研究进行了全面综述，特别关注其生成接近真实数据的合成图像以用于数据增强的能力。该研究综述了用于开发医学图像 VAE 的重要架构和方法，并与 GAN 等其他生成模型在图像质量、生成样本多样性低等问题上进行了比较。我们讨论了多个医学领域的最新进展和应用，突出了 VAE 提高分割和分类准确性的能力。

关键词

变分自编码器医学图像生成数据增强合成医学图像生成模型 GAN 对比分割分类

引用

@article{arxiv.2411.07348,
  title  = {Exploring Variational Autoencoders for Medical Image Generation: A Comprehensive Study},
  author = {Khadija Rais and Mohamed Amroune and Abdelmadjid Benmachiche and Mohamed Yassine Haouam},
  journal= {arXiv preprint arXiv:2411.07348},
  year   = {2024}
}

备注

for associated mpeg file, see https://worldresearchlibrary.org/proceeding.php?pid=6945

探索用于医学图像生成的变分自编码器：一项综合研究

摘要

关键词

引用

备注

相关论文