基于简单 U-net 的合成息肉图像生成：息肉转阴性及阴性转息肉
图像与视频处理
2023-02-21 v1 计算机视觉与模式识别
摘要
合成息肉生成是克服医疗数据隐私问题及各类息肉样本匮乏的良好替代方案。在本研究中，我们提出一种基于深度学习的息肉图像生成框架，可生成与真实息肉相似度高的合成息肉图像。我们提出一种框架：利用简单的条件 GAN 架构将给定息肉图像转换为阴性图像（无息肉图像），随后利用同一网络将该阴性图像转换为具有新外观的息肉图像。此外，通过使用可控息肉掩码，可从单一输入条件生成具备多种特征的息肉。所生成的息肉图像无需额外标注即可直接用作息肉检测与分割的训练图像。为定量评估合成息肉的生成质量，我们结合公开息肉图像与视频数据集及所生成的合成图像，考察若干检测与分割模型的性能提升。实验结果表明，将生成的息肉图像加入训练集后获得了性能增益。
引用
@article{arxiv.2302.09835,
title = {Simple U-net Based Synthetic Polyp Image Generation: Polyp to Negative and Negative to Polyp},
author = {Hemin Ali Qadir and Ilangko Balasingham and Younghak Shin},
journal= {arXiv preprint arXiv:2302.09835},
year = {2023}
}