arXiv:2209.03177v1 [eess.IV] 2022 年 9 月 7 日__

arXiv:2209.03177v1 [eess.IV] 2022 年 9 月 7 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2209.03177v1 [eess.IV] 2022 年 9 月 7 日

¥ 1.0

热度

摘要。可以使用医学成像数据研究人体解剖学、形态学和相关疾病。然而，由于管理和隐私问题、数据所有权和获取成本，医学成像数据的访问受到限制，从而限制了我们了解人体的能力。解决这个问题的一个可能方法是创建一个模型，该模型能够学习，然后根据特定的相关特征（例如年龄、性别和疾病状况）生成人体的合成图像。最近，以神经网络形式出现的深度生成模型已用于创建自然场景的合成二维图像。然而，由于数据稀缺以及算法和计算限制，生成具有正确解剖形态的高分辨率三维体积图像数据的能力受到阻碍。这项工作提出了一个生成模型，该模型可以扩展以生成解剖学正确、高分辨率和逼真的人脑图像，并具有进行进一步下游分析所需的质量。生成无限量数据的能力不仅能够实现大规模人体解剖学和病理学研究，而不会危及患者隐私，而且还能显著推动异常检测、模态合成、有限数据下的学习以及公平且合乎道德的人工智能领域的研究。代码和训练模型可在以下网址获取：https://github.com/AmigoLab/SynthAnatomy。

添加pdf代下载 VIP点击下载文件