来自双生成对抗网络的合成医学图像
计算机视觉与模式识别
2018-01-10 v3
摘要
目前对数据驱动的医学图像分类方法有强烈兴趣。然而，医学成像数据稀缺、昂贵，并且涉及患者隐私的法律问题。典型的知情同意书只允许患者数据用于医学期刊或教育，这意味着大多数医学数据无法用于一般公共研究。我们提出了一种新颖的两阶段流水线，用于从一对生成对抗网络生成合成医学图像，并在视网膜眼底图像上进行了实践测试。我们开发了一个分层生成过程，将复杂的图像生成任务分为两部分：几何和逼真度。我们希望研究人员使用我们的流水线将私有医学数据带入公共领域，从而促进以前依赖模型手动调整的成像任务的发展。我们通过开发SynthMed（一个合成医学图像的在线存储库）开始了这一倡议。
引用
@article{arxiv.1709.01872,
title = {Synthetic Medical Images from Dual Generative Adversarial Networks},
author = {John T. Guibas and Tejpal S. Virdi and Peter S. Li},
journal= {arXiv preprint arXiv:1709.01872},
year = {2018}
}
备注
First two authors contributed equally. Accepted to NIPS 2017 Workshops on Medical Imaging and Machine Learning for Health