Loading...
机构名称:
¥ 1.0

摘要。深度神经网络在医学图像分析方面取得了显著突破。然而,由于其数据量巨大,医学成像项目中的适度数据集大小可能会阻碍其全部潜力的发挥。生成合成数据提供了一种有前途的替代方案,可以补充训练数据集并开展更大规模的医学图像研究。扩散模型最近通过生成逼真的合成图像引起了计算机视觉界的关注。在本研究中,我们探索使用潜在扩散模型从高分辨率 3D 脑图像生成合成图像。我们使用来自英国生物库数据集 (N=31,740) 的 T1w MRI 图像来训练我们的模型,以了解脑图像的概率分布,这些分布以年龄、性别和脑结构体积等协变量为条件。我们发现我们的模型创建了逼真的数据,并且我们可以使用条件变量有效地控制数据生成。除此之外,我们还创建了一个包含 100,000 张大脑图像的合成数据集,并将其公开给科学界。

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL Discovery

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL DiscoveryPDF文件第1页

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL DiscoveryPDF文件第2页

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL DiscoveryPDF文件第3页

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL DiscoveryPDF文件第4页

arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL DiscoveryPDF文件第5页

相关文件推荐

2022 年
¥1.0