Khái niệm cốt lõi
Durch die Neugestaltung der Diffusionslernziele, die sich auf die Läsionsbereiche konzentrieren, vereinfacht sich der Lernprozess des Modells und die Kontrolle über die synthetische Ausgabe wird verbessert, während der Hintergrund durch die Integration von vorwärts diffundiertem Hintergrundkontext in den rückwärts gerichteten Diffusionsprozess erhalten bleibt.
Tóm tắt
Die Studie zielt darauf ab, die Herausforderungen von Verzerrungen in klinischen Daten, wie Ungleichgewicht im langen Schwanz und algorithmische Ungerechtigkeit, durch Datensynthese zu mildern. Bisherige Ansätze in der medizinischen Bildgebungssynthese hatten Schwierigkeiten, Läsionsinformationen vom Hintergrundkontext zu trennen, was zu Schwierigkeiten bei der Erzeugung hochwertiger Hintergründe und einer eingeschränkten Kontrolle über die synthetische Ausgabe führte.
Das vorgeschlagene LeFusion-Modell konzentriert sich darauf, den Diffusionslernprozess auf die Läsionsbereiche auszurichten, um den Lernprozess zu vereinfachen und die Kontrolle über die synthetische Ausgabe zu verbessern. Gleichzeitig wird der Hintergrund durch die Integration von vorwärts diffundiertem Hintergrundkontext in den rückwärts gerichteten Diffusionsprozess erhalten. Darüber hinaus wird ein Ansatz zur gemeinsamen Modellierung von Mehrklassen-Läsionen vorgestellt, der die Korrelationen zwischen verschiedenen Läsionstypen erfasst. Außerdem wird ein generatives Modell für Läsionsmasken entwickelt, um die Synthesediversität zu erhöhen.
Die Validierung auf dem Emidec-Datensatz für kardiale Läsionssegmentierung zeigt, dass die synthetischen Daten die Leistung eines state-of-the-art-Modells wie nnUNet effektiv verbessern können.
Thống kê
Die Emidec-Studie umfasst 100 Fälle, davon 33 normal (N) und 67 pathologisch (P). Die 67 pathologischen Fälle wurden in 57 Trainings- und 10 Testfälle aufgeteilt.
Trích dẫn
"Synthetische Daten könnten besser sein als echte Daten."
"Generative Läsionssynthese ist ein vielversprechendes Gebiet mit Anwendungen in verschiedenen medizinischen Modalitäten, das bemerkenswerte Erfolge erzielt hat."