生成型人工智能能够生成骨光学图像,并改善了在数据受限环境中深度学习模型的概括性
David Haberl1,2, Jing Ning1,2, Kilian Kluge1,2
1Department of Biomedical Imaging and Image-guided Therapy, Division of Nuclear Medicine, Medical University of Vienna, Spitalgasse 23, Vienna, 1090, Austria.
European journal of nuclear medicine and molecular imaging
|January 29, 2025
概括
生成型人工智能可以创建合成骨光学图像,改善医学成像中的深度学习模型性能. 这些合成数据增强了模型的概括性,并解决了小数据集的局限性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 医学成像中的深度学习模型性能受到小的,注释的数据集的限制.
- 数据的有限可用性阻碍了模型在现实世界医疗应用中的通用化.
研究的目的:
- 调查生成性人工智能 (AI) 用于创建合成骨光学扫描.
- 增强小型数据集中的数据多样性,以改善深度学习模型培训和概括.
主要方法:
- 在9,170个骨光学扫描上训练了一种生成模型,以产生骨转移和心脏粉症的合成图像.
- 一项盲读者研究评估了合成扫描的临床有效性.
- 合成数据增强了一个小数据集,以训练一个深度学习模型来检测异常吸收.
主要成果:
- 读者无法区分合成和真实扫描 (平均准确率为0.48%).
- 添加合成数据提高了模型性能,骨转移的AUC为33%,心脏粉症的AUC为5%.
- 模型预测异常吸收与不良临床结果相关.
结论:
- 生成型人工智能有效地为各种临床条件创建合成骨光学图像.
- 合成数据可以克服数据共享的挑战,并在数据有限的环境中改进深度学习模型.
