用于合成腹主动脉瘤生成的图卷积Beta-VAE

合成数据生成在医学研究中发挥关键作用，通过缓解隐私问题并实现大规模患者数据分析。本研究提出了一种beta变分自编码器图卷积神经网络框架，用于生成合成腹主动脉瘤（AAA）数据。利用一个小规模真实数据集，我们的方法提取关键解剖特征，并在紧凑的解耦潜在空间中捕捉复杂的统计关系。为应对数据限制，采用了基于Procrustes分析的低影响数据增强，以保持解剖完整性。生成策略，包括确定性和随机性两种，在确保真实性的同时增强了数据多样性。与基于PCA的方法相比，我们的模型通过捕捉复杂的非线性解剖变异，在未见数据上表现更鲁棒。这使得比原始数据集更全面的临床和统计分析成为可能。生成的合成AAA数据集在保护患者隐私的同时，为医学研究、设备测试和计算建模提供了可扩展的基础。