从像素到癌症：计算机断层扫描中的元胞自动机

用于癌症检测的 AI 遇到了数据稀缺、标注困难以及早期肿瘤低发生率的瓶颈。肿瘤合成旨在医学图像中创建人工肿瘤，这可以极大地丰富用于 AI 训练的数据和标注。然而，当前的肿瘤合成方法由于需要特定的专业知识和设计，无法跨不同器官通用。本文建立了一组通用规则来模拟肿瘤发展。每个细胞（像素）最初被赋予 0 到 10 之间的状态以表示肿瘤群体，并且肿瘤可以基于三条规则发展，以描述生长、侵袭和死亡的过程。我们应用这三条通用规则，利用元胞自动机模拟肿瘤的发展——从像素到癌症。然后，我们将肿瘤状态整合到原始计算机断层扫描 (CT) 图像中，以生成跨不同器官的合成肿瘤。这种肿瘤合成方法允许在多个阶段对肿瘤进行采样，并分析肿瘤与器官的相互作用。在临床上，一项涉及三位资深放射科医生的阅片研究表明，合成肿瘤及其发展轨迹具有令人信服的真实感。在技术上，我们利用来自全球 68 家医院的 9,262 张原始无标注 CT 图像，在不同阶段分析并模拟了肿瘤的发展。在肝脏、胰腺和肾脏的肿瘤分割性能超越了现有文献基准，凸显了肿瘤合成的巨大潜力，尤其是对于早期癌症检测。代码和模型可在 https://github.com/MrGiovanni/Pixel2Cancer 获取。