arXiv:2304.04106v1 [ed.IV] 4 月 8 日___XiaoMi-AI 助力科研平台

arXiv:2304.04106v1 [ed.IV] 4 月 8 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:2304.04106v1 [ed.IV] 4 月 8 日

¥ 1.0

热度

摘要。获取和注释足够的标记数据对于开发准确且稳健的基于学习的模型至关重要，但在许多医学图像分割任务中，获取此类数据可能具有挑战性。一种有希望的解决方案是将真实数据与地面实况掩模注释合成。然而，之前没有研究探索过使用掩模生成完整的 3D 体积图像。在本文中，我们提出了 MedGen3D，这是一个可以生成成对的 3D 医学图像和掩模的深度生成框架。首先，我们将 3D 医学数据表示为 2D 序列，并提出多条件扩散概率模型 (MC-DPM) 来生成遵循解剖几何的多标签掩模序列。然后，我们使用以生成的掩模序列为条件的图像序列生成器和语义扩散细化器来生成与生成的掩模对齐的逼真的 3D 医学图像。我们提出的框架保证了合成图像和分割图之间的准确对齐。在 3D 胸部 CT 和脑部 MRI 数据集上进行的实验表明，我们的合成数据既丰富又忠实于原始数据，并展示了对下游分割任务的好处。我们预计，MedGen3D 合成配对 3D 医学图像和掩模的能力将在训练用于医学成像任务的深度学习模型方面发挥重要作用。

添加pdf代下载 VIP点击下载文件