利用隐扩散模型生成匿名胸部X线影像以训练胸部异常分类系统
图像与视频处理
2024-10-28 v2 计算机视觉与模式识别
机器学习
摘要
大规模胸部X线数据集的可用性是开发性能良好的基于深度学习的胸部异常检测与分类算法的必要条件。然而，胸部X线影像中的生物特征标识符因患者再识别风险而阻碍了此类数据出于研究目的的公开共享。为应对该问题，合成数据生成为医学图像匿名化提供了解决方案。本工作采用隐扩散模型合成一个高质量的类别条件匿名胸部X线影像数据集。我们提出一种隐私增强采样策略，以确保图像生成过程中生物特征信息的不传递。所生成图像的质量以及作为独占训练数据的可行性在一个胸部异常分类任务上进行了评估。相较于真实分类器，我们取得了具有竞争力的结果，在受试者工作特征曲线下面积上的性能差距仅为3.5%。
引用
@article{arxiv.2211.01323,
title = {Generation of Anonymous Chest Radiographs Using Latent Diffusion Models for Training Thoracic Abnormality Classification Systems},
author = {Kai Packhäuser and Lukas Folle and Florian Thamm and Andreas Maier},
journal= {arXiv preprint arXiv:2211.01323},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication