FreeTumor：用于提高肿瘤识别的计算断层扫描图像中大规模生成肿瘤
图像与视频处理
2025-02-27 v1 人工智能
计算机视觉与模式识别
摘要
肿瘤是全球死亡原因的首要原因，每年约有 1000 万人因肿瘤相关疾病死亡。AI 驱动的肿瘤识别为更精确、更智能的肿瘤筛查和诊断开辟了新可能。然而，进展严重受限于缺乏标注数据集，这需要放射科医生进行大量注释工作。为此，我们引入 FreeTumor，一个创新的生成式 AI（GAI）框架，旨在通过肿瘤合成缓解数据稀缺问题。具体而言，FreeTumor 有效地利用有限的标注数据和大规模未标注数据进行肿瘤合成训练。凭借大规模数据的力量，FreeTumor 能够合成大量真实肿瘤用于扩充训练数据集。为此，我们精选了 161,310 个公开的计算断层扫描（CT）体积数据，其中仅 2.3% 包含标注肿瘤。为验证合成肿瘤的保真度，我们邀请了 13 名资深放射科医生进行视觉图灵测试，以区分合成肿瘤与真实肿瘤。严格的临床评估表明，合成肿瘤质量优异，临床医生仅以 51.1% 的灵敏度和 60.8% 的准确率辨别出我们的合成肿瘤。通过高质量肿瘤合成，FreeTumor 将识别训练数据集规模扩大了 40 倍以上，显著优于包括各种合成方法和基础模型在内的前沿 AI 方法。这些发现表明，FreeTumor 在临床应用中具有广阔前景， potentially 推动肿瘤治疗进程，提高患者生存率。
引用
@article{arxiv.2502.18519,
title = {FreeTumor: Large-Scale Generative Tumor Synthesis in Computed Tomography Images for Improving Tumor Recognition},
author = {Linshan Wu and Jiaxin Zhuang and Yanning Zhou and Sunan He and Jiabo Ma and Luyang Luo and Xi Wang and Xuefeng Ni and Xiaoling Zhong and Mingxiang Wu and Yinghua Zhao and Xiaohui Duan and Varut Vardhanabhuti and Pranav Rajpurkar and Hao Chen},
journal= {arXiv preprint arXiv:2502.18519},
year = {2025}
}