利用扩散模型生成的修复合成病变提高口腔癌诊断准确性
机器学习
2025-08-11 v1 计算机视觉与模式识别
摘要
在口腔癌诊断中，标注数据集的有限可用性常常制约诊断模型的性能，这尤其源于训练数据的变异性和不足。为应对这些挑战，本研究提出了一种新方法，通过使用微调后的扩散模型进行修复技术合成逼真的口腔癌病变，以提高诊断准确性。我们汇编了一个来自多个来源的全面数据集，其中包含各种口腔癌图像。我们的方法生成了与实际病变具有高度视觉保真度的合成病变，从而显著增强了诊断算法的性能。结果表明，我们的分类模型在区分癌变组织和非癌变组织方面达到了0.97的诊断准确率，而我们的检测模型以0.85的准确率精确识别了病变位置。该方法验证了合成图像生成在医学诊断中的潜力，并为将这些方法扩展到其他类型癌症诊断的进一步研究铺平了道路。
引用
@article{arxiv.2508.06151,
title = {Improving Diagnostic Accuracy for Oral Cancer with inpainting Synthesis Lesions Generated Using Diffusion Models},
author = {Yong Oh Lee and JeeEun Kim and Jung Woo Lee},
journal= {arXiv preprint arXiv:2508.06151},
year = {2025}
}