基于放射组学特征的肿瘤合成

由于隐私原因，在医学图像分析中获取大型数据集具有挑战性，尤其是像计算机断层扫描（CT）和磁共振成像（MRI）这类 3D 模态。现有的生成模型为解决此问题而开发，常面临输出多样性有限的局限，无法准确表示 3D 医学图像。我们提出一种利用放射组学特征作为生成条件的肿瘤生成模型。放射组学特征是高维手工制作的语义特征，具有良好的生物学依据，因此是良好的条件候选人。我们的模型采用 GAN-based 模型生成肿瘤掩码，采用扩散方法在放射组学特征条件下生成肿瘤纹理。该方法允许用户根据用户指定的放射组学特征（如大小、形状和纹理）在任意位置生成肿瘤图像。这使得医生能够轻松地根据变化的放射组学特征来更好地理解肿瘤。我们的做法允许对肿瘤进行移除、操作和重新定位，在不同情景下生成各种类型的肿瘤。该模型在肾脏、肺部、乳腺和大脑四个不同器官上的 CT 和 MRI 上进行了测试。合成图像被证明有效地有助于为下游任务提供训练，其真实性也通过专家评估得到了评估。该方法在疗效规划中生成多样化肿瘤方面具有潜在应用价值。