计算机科学 > 计算机视觉与模式识别
[提交于 2024年10月31日
(v1)
,最后修订 2025年3月9日 (此版本, v2)]
标题: 医学图像合成的临床评估:无线胶囊内镜案例研究
标题: Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy
摘要: 基于人工智能(AI)的合成数据生成(SDG)可以通过克服目前使临床数据共享困难的隐私障碍,改变临床医学的交付方式。 这是加速开发有助于提高患者安全性的数字工具的关键。 此类工具包括强大的数据驱动的临床决策支持系统,以及基于示例的数字培训工具,这些工具将使医疗专业人员提高其诊断能力,从而提高患者安全。 本研究聚焦于医学SDG的临床评估,对使用无线胶囊内镜(WCE)图像诊断炎症性肠病(IBD)进行了概念验证研究。 其科学贡献包括 a) 一种用于系统临床评估医学图像合成(CEMIS)的新协议;b) 一种基于变分自编码器的模型,用于生成高分辨率的合成WCE图像;c) 通过10位国际WCE专家使用CEMIS协议对合成图像进行全面评估,包括图像质量、多样性及真实感,以及它们在临床决策中的实用性。 结果表明,TIDE-II生成的WCE图像具有临床合理性,非常逼真,其质量优于相关最先进的生成模型。 总之,CEMIS可以作为未来医学图像生成技术研究的参考,而将TIDE-II架构适应/扩展到其他成像领域可能前景广阔。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.