无超参数医学图像合成：用于数据共享与改进特定站点分割
计算机视觉与模式识别
2024-04-10 v1
摘要
共享合成医学图像是共享真实图像的一种有前景的替代方案，可改善患者隐私和数据安全。现有医学图像合成方法在应用于未见数据时必须手动调整才能获得良好结果。为消除这一手动负担，我们引入了一种无超参数的分布式学习方法，用于自动医学图像合成、共享和分割，称为HyFree-S3。对于三种不同的分割设定（盆腔MRI、肺部X光片、息肉照片），使用HyFree-S3在大多数情况下比仅使用特定站点数据训练获得了更好的性能。该方法的无超参数特性应使数据合成和共享更加容易，可能增加可用数据量，从而提高最终可能应用于临床的模型质量。我们的代码可在https://github.com/AwesomeLemon/HyFree-S3获取。
引用
@article{arxiv.2404.06240,
title = {Hyperparameter-Free Medical Image Synthesis for Sharing Data and Improving Site-Specific Segmentation},
author = {Alexander Chebykin and Peter A. N. Bosman and Tanja Alderliesten},
journal= {arXiv preprint arXiv:2404.06240},
year = {2024}
}
备注
Accepted at MIDL 2024