使用生成式AI进行肺超声检测的超声图像合成
图像与视频处理
2025-01-14 v1 人工智能
计算机视觉与模式识别
摘要
开发可靠的医疗AI模型需要使用具有代表性和多样性的数据进行训练。在不平衡数据集中，模型性能在更常见的类别上趋于平稳，而在较少见的案例上仍然较低。为了克服这一限制，我们提出了DiffUltra，这是第一种能够合成具有广泛病变变异性的真实肺超声（LUS）图像的生成式AI技术。具体来说，我们通过引入的病变解剖库来条件化生成式AI，该库从真实患者数据中捕获病变的结构和位置属性，以指导图像合成。我们证明，与仅使用真实患者数据训练的模型相比，DiffUltra在实变检测方面将AP提高了5.6%。更重要的是，DiffUltra增加了数据多样性和罕见案例的流行度，导致检测罕见实例（例如大的肺实变，仅占数据集的10%）的AP提高了25%。
引用
@article{arxiv.2501.06356,
title = {Ultrasound Image Synthesis Using Generative AI for Lung Ultrasound Detection},
author = {Yu-Cheng Chou and Gary Y. Li and Li Chen and Mohsen Zahiri and Naveen Balaraju and Shubham Patil and Bryson Hicks and Nikolai Schnittke and David O. Kessler and Jeffrey Shupp and Maria Parker and Cristiana Baloescu and Christopher Moore and Cynthia Gregory and Kenton Gregory and Balasundar Raju and Jochen Kruecker and Alvin Chen},
journal= {arXiv preprint arXiv:2501.06356},
year = {2025}
}
备注
Accepted by ISBI 2025