基于少样本的脑肿瘤生成：实现医学数据共享的安全与公平
计算机视觉与模式识别
2025-04-02 v1
摘要
利用多中心数据进行医学分析存在隐私 concerns 和数据异构性挑战。虽然分布式方法如联邦学习已流行，但在医学影像等敏感领域仍面临隐私泄露风险。扩散模型等生成模型通过合成真实数据来增强隐私，但在小数据集上训练时容易产生记忆现象。本研究提出了一种去中心化少样本生成模型（DFGM），用于在完全保留隐私的前提下合成脑肿瘤图像。DFGM 将来自多个医疗中心的私有肿瘤数据与可共享的健康图像融合，构建新的数据集，通过将肿瘤前景与健康背景混合。该方法确保严格的隐私保护，同时实现可控的、高质量的合成，既保留健康背景，也保留肿瘤前景。我们使用 UNet 对 DFGM 在脑肿瘤分割中的效果进行评估，在独立数据集上实现数据增强提升 3.9% 的 Dice 评分，公平性提升 4.6%。
引用
@article{arxiv.2504.00150,
title = {Few-Shot Generation of Brain Tumors for Secure and Fair Data Sharing},
author = {Yongyi Shi and Ge Wang},
journal= {arXiv preprint arXiv:2504.00150},
year = {2025}
}
备注
17 pages, 4 figures