合成增强：揭示合成数据在医学影像研究中的潜力
计算机视觉与模式识别
2024-07-09 v2 机器学习
摘要
胸部 X 射线（CXR）对多种疾病的诊断至关重要，但用于新人群时，模型泛化性问题限制了其效能。生成式 AI，尤其是去噪扩散概率模型（DDPMs），为生成合成图像、增强数据集多样性提供了有前景的途径。本研究探讨了合成数据补充对医学影像研究性能与泛化性的影响。研究采用 DDPMs，基于 CheXpert 数据集的人口统计与病理特征生成条件合成 CXR。这些合成图像被用于补充病理分类器的训练集，旨在提升其性能。评估涉及三个数据集（CheXpert、MIMIC-CXR 和 Emory Chest X-ray）及多项实验，包括以合成数据补充真实数据、纯合成数据训练，以及合成数据与外部数据集混合。性能以受试者工作特征曲线下面积（AUROC）评估。向真实数据集中添加合成数据使 AUROC 值显著提升（在 1000% 补充量下内部与外部测试集最高提升 0.02，所有情形 p 值小于 0.01）。仅以合成数据训练的分类器达到了以 200%–300% 数据补充的真实数据训练的分类器相当的水平。不同来源真实与合成数据的组合增强了模型泛化性，使内部测试集模型 AUROC 从 0.76 提升至 0.80（p 值小于 0.01）。总之，合成数据补充显著改善了医学影像中病理分类器的性能与泛化性。
引用
@article{arxiv.2311.09402,
title = {Synthetically Enhanced: Unveiling Synthetic Data's Potential in Medical Imaging Research},
author = {Bardia Khosravi and Frank Li and Theo Dapamede and Pouria Rouzrokh and Cooper U. Gamble and Hari M. Trivedi and Cody C. Wyles and Andrew B. Sellergren and Saptarshi Purkayastha and Bradley J. Erickson and Judy W. Gichoya},
journal= {arXiv preprint arXiv:2311.09402},
year = {2024}
}