S-SYNTH：基于知识的皮肤图像合成生成

医学成像中人工智能 (AI) 技术的发展需要大规模且多样化的数据集用于训练和评估。在皮肤病学中，获取此类数据集仍然具有挑战性，因为患者人群、照明条件和采集系统特性存在显著差异。在这项工作中，我们提出了 S-SYNTH——首个基于知识的、可适应的开源皮肤模拟框架，能够利用基于解剖学的多层、多组分皮肤和生长性病变模型快速生成合成皮肤、三维模型和数字渲染图像。皮肤模型允许对皮肤外观进行受控变化，如肤色、毛发的存在、病变形状和血液比例等参数。我们利用该框架研究了可能的变化对皮肤病变分割 AI 模型开发和评估的影响，并表明使用合成数据获得的结果遵循与真实皮肤病学图像相似的比较趋势，同时缓解了现有数据集的偏差和局限性，包括数据集规模小、缺乏多样性以及代表性不足。