用于 X 光平片的基于生成对抗网络的合成医学图像生成
计算机视觉与模式识别
2024-03-29 v1 机器学习
摘要
在医学成像中，由于患者隐私限制以及在罕见疾病情况下难以获取足够数据的问题，数据访问通常受到限制。[1] 本研究的目的是开发一个可重用的开源合成图像生成流水线，即 GAN 图像合成工具 (GIST)，使其易于使用且易于部署。该流水线通过生成不与特定患者关联的高质量合成图像数据，有助于改进和标准化数字健康领域的人工智能算法。其图像生成能力包括生成低发病率的病理或损伤影像。这种数字健康 AI 算法的改进可以提高诊断准确性，辅助患者护理，减少医疗纠纷，并最终降低整体医疗成本。该流水线建立在现有的生成对抗网络 算法之上，并包含了预处理和评估步骤以保证完整性。在这项工作中，我们专注于确保该流水线支持 X 光摄影，重点是合成的膝部和肘部 X 光图像。在设计该流水线时，我们评估了当前 GAN 架构的性能，并研究了其在可用 X 光数据上的表现。我们表明，基于非专业人员的评估和 Fréchet Inception Distance (FID) 指标，该流水线能够生成高质量且具有临床相关性的图像。
引用
@article{arxiv.2403.19107,
title = {Synthetic Medical Imaging Generation with Generative Adversarial Networks For Plain Radiographs},
author = {John R. McNulty and Lee Kho and Alexandria L. Case and Charlie Fornaca and Drew Johnston and David Slater and Joshua M. Abzug and Sybil A. Russell},
journal= {arXiv preprint arXiv:2403.19107},
year = {2024}
}