NephroNet：一种利用卷积神经网络与扩散模型识别肾细胞癌并生成合成训练图像的新型程序
图像与视频处理
2023-02-14 v1 计算机视觉与模式识别
机器学习
摘要
肾细胞癌（RCC）是一种起源于肾脏的癌症，也是成人中最常见的肾癌类型。它可分为若干亚型，包括透明细胞 RCC、乳头状 RCC 和嫌色 RCC。在本研究中，开发并训练了一个人工智能模型，使用 ResNet-18（一种广泛用于图像分类任务的卷积神经网络）对 RCC 的不同亚型进行分类。该模型在 RCC 组织病理学图像数据集上训练，该数据集由 RCC 手术切除切片的数字图像组成，并标注了相应的亚型标签。使用若干指标（包括准确率、精确率和召回率）评估训练模型的性能。此外，在本研究中，开发了一种新颖的合成图像生成工具 NephroNet，基于扩散模型用于生成 RCC 手术切除切片的原始图像。扩散模型是一类能够从噪声合成高质量图像的生成模型。若干扩散器（如 Stable Diffusion、Dreambooth Text-to-Image 和 Textual Inversion）在 RCC 图像数据集上训练，并用于在不到四秒的时间内生成一系列类似于 RCC 手术切除切片的原始图像。生成的图像在视觉上逼真，可用于创建新的训练数据集、测试图像分析算法的性能以及培训医学专业人员。NephroNet 作为一个开源软件包提供，包含数据预处理、训练和可视化的文件。总体而言，本研究分别展示了人工智能和扩散模型在 RCC 图像分类和生成方面的潜力。这些方法可能有助于改善 RCC 的诊断和治疗等。
引用
@article{arxiv.2302.05830,
title = {NephroNet: A Novel Program for Identifying Renal Cell Carcinoma and Generating Synthetic Training Images with Convolutional Neural Networks and Diffusion Models},
author = {Yashvir Sabharwal},
journal= {arXiv preprint arXiv:2302.05830},
year = {2023}
}
备注
22 pages, 5 figures, 2 tables