从健康扫描到标注肿瘤：面向3D脑MRI合成的肿瘤制造框架
计算机视觉与模式识别
2025-11-25 v1
摘要
标注脑部肿瘤磁共振成像（MRI）数据的稀缺性，构成了准确和自动化肿瘤分割的主要障碍。虽然现有数据合成方法提供了有前景的解决方案，但它们常常受到关键局限性：手动建模工作量大且需要专业知识。深度生成模型可用于增强数据和注释，但它们通常需要首先拥有大量的训练配对数据，而在数据受限的临床环境中这是不切实际的。在本工作中，我们提出了Tumor Fabrication（TF），一种用于无配对3D脑肿瘤合成的新型双阶段框架。该框架包括粗糙肿瘤合成过程，随后由生成模型驱动的精炼过程。TF完全自动化，仅利用健康图像扫描以及有限量的真实注释数据，即可合成大量用于丰富下游监督分割训练的配对合成数据。我们展示了，用作数据丰富的合成图像-标签对在低数据场景下可显著提高下游肿瘤分割任务的性能，为医学图像丰富提供了可扩展且可靠的解决方案，解决了临床AI应用中数据稀缺的关键挑战。
引用
@article{arxiv.2511.18654,
title = {From Healthy Scans to Annotated Tumors: A Tumor Fabrication Framework for 3D Brain MRI Synthesis},
author = {Nayu Dong and Townim Chowdhury and Hieu Phan and Mark Jenkinson and Johan Verjans and Zhibin Liao},
journal= {arXiv preprint arXiv:2511.18654},
year = {2025}
}