RadiomicsFill-Mammo：基于放射组学特征的合成乳腺钣块操作
图像与视频处理
2024-10-01 v2 人工智能
计算机视觉与模式识别
摘要
本研究以 "我们能否生成具有所需属性的肿瘤？" 为出发点，利用放射组学特征探索生成合成肿瘤图像的可行性。凭借其低维且具有生物学意义的标记，放射组学特征桥接了复杂的医学影像数据与可操作的临床见解之间的鸿沟。我们提出了 RadiomicsFill-Mammo，这是 RadiomicsFill 系列中的第一个项目，一种创新的技术，通过利用掩码图像和对侧乳腺图像，基于最新的稳定扩散模型生成具有特定放射组学属性的逼真乳腺钣块图像。该方法还允许将 essential 临床变量（如 BI-RADS 和乳腺密度）作为生成钣块的条件。结果表明，RadiomicsFill-Mammo 能够基于各种放射组学条件生成多样且逼真的肿瘤图像。结果还表明，凭借 RadiomicsFill-Mammo 作为生成模拟样本的策略，钣块检测能力得到了显著提升。RadiomicsFill-Mammo 不仅推进了医学影像研究，也为增强治疗计划和肿瘤模拟开辟了新途径。我们的代码已公开发布于 https://github.com/nainye/RadiomicsFill。
引用
@article{arxiv.2407.05683,
title = {RadiomicsFill-Mammo: Synthetic Mammogram Mass Manipulation with Radiomics Features},
author = {Inye Na and Jonghun Kim and Eun Sook Ko and Hyunjin Park},
journal= {arXiv preprint arXiv:2407.05683},
year = {2024}
}
备注
Accepted at MICCAI 2024