用于无监督息肉分割的合成数据
图像与视频处理
2022-02-18 v1 计算机视觉与模式识别
摘要
深度学习在分析医学图像方面已展现出优异性能。然而，由于隐私问题、标准化困难以及标注缺失，数据集难以获取。我们通过结合3D技术与生成对抗网络（GAN）来生成逼真的合成图像，从而解决这些问题。我们的流水线中未使用医学专业人士的任何标注。我们的全无监督方法在五个真实息肉分割数据集上取得了有前景的结果。作为本研究的一部分，我们发布了Synth-Colon，一个完全合成的数据集，包含20000张逼真结肠图像以及关于深度和3D几何的额外细节：https://enric1994.github.io/synth-colon
引用
@article{arxiv.2202.08680,
title = {Synthetic data for unsupervised polyp segmentation},
author = {Enric Moreu and Kevin McGuinness and Noel E. O'Connor},
journal= {arXiv preprint arXiv:2202.08680},
year = {2022}
}