迈向可泛化的肿瘤合成

Qi Chen; Xiaoxi Chen; Haorui Song; Zhiwei Xiong; Alan Yuille; Chen Wei; Zongwei Zhou

迈向可泛化的肿瘤合成

图像与视频处理 2024-03-29 v2 计算机视觉与模式识别

作者: Qi Chen , Xiaoxi Chen , Haorui Song , Zhiwei Xiong , Alan Yuille , Chen Wei , Zongwei Zhou

摘要

肿瘤合成能够在医学图像中创建人工肿瘤，从而促进用于肿瘤检测和分割的 AI 模型训练。然而，肿瘤合成的成功取决于创建视觉上逼真的肿瘤，使其能够泛化至多种器官，并且由此产生的 AI 模型能够检测来自不同领域（例如不同医院）图像中的真实肿瘤。本文通过利用一个关键观察结果，在可泛化肿瘤合成方面取得了渐进式进展：早期肿瘤（< 2cm）在计算机断层扫描（CT）中往往具有相似的成像特征，无论其起源于肝脏、胰腺还是肾脏。我们已证实，生成式 AI 模型（例如扩散模型）即使仅使用来自单一器官的有限肿瘤样本进行训练，也能创建可泛化至一系列器官的逼真肿瘤。此外，我们表明，在这些合成肿瘤上训练的 AI 模型可以泛化到检测和分割来自 CT 容积的真实肿瘤，涵盖广泛的患者人口统计特征、成像方案和医疗机构。

关键词

肿瘤合成医学图像生成扩散模型可泛化性肿瘤检测肿瘤分割计算机断层扫描

引用

@article{arxiv.2402.19470,
  title  = {Towards Generalizable Tumor Synthesis},
  author = {Qi Chen and Xiaoxi Chen and Haorui Song and Zhiwei Xiong and Alan Yuille and Chen Wei and Zongwei Zhou},
  journal= {arXiv preprint arXiv:2402.19470},
  year   = {2024}
}

备注

The IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR 2024)

迈向可泛化的肿瘤合成

摘要

关键词

引用

备注

相关论文