皮克斯美德增强器:一种有效的医疗图像增强方法
M J Aashik Rasool1, Akmalbek Abdusalomov1,2, Alpamis Kutlimuratov2
1Department of Computer Engineering, Gachon University, Sujeong-gu, Seongnam-si 13120, Republic of Korea.
Bioengineering (Basel, Switzerland)
|March 28, 2025
概括
医学成像人工智能工具PixMed-Enhancer使用一种新的有条件GAN与幽灵模块来高效地增强数据集. 这种方法可以改善瘤特征生成以进行细分和诊断,同时降低计算成本.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 医学成像中的AI面临着诸如有限数据,阶级不平衡和高计算需求等挑战.
- 现有的方法在高效的特征提取和计算复杂性方面扎.
- 需要先进的AI解决方案来提高诊断准确性和数据集增强.
研究的目的:
- 介绍PixMed-Enhancer,一个新的条件生成对抗网络 (GAN) 用于医疗图像增强.
- 解决人工智能医疗成像中的计算成本和数据限制.
- 改进细粒度数据集增强,用于细分和诊断任务.
主要方法:
- 开发了PixMed-Enhancer,这是一个有条件的GAN,将幽灵模块集成到其编码器中,以实现高效的特征提取.
- 实现了混合损失函数,将二进制交叉 (BCE) 和结构相似度指数测量 (SSIM) 结合起来,以获得像素级精度和感知现实性.
- 利用条件输入面具来控制瘤特征的产生.
主要成果:
- 在不影响性能的情况下,PixMed-Enhancer显著降低了计算复杂性.
- 在产生的医疗图像中实现了高现实性和结构忠实性.
- 在各种数据集上展示了最先进的性能,用于数据集增强.
结论:
- PixMed-Enhancer为人工智能驱动的医学成像提供了一个计算高效和高性能解决方案.
- 该方法为现实世界的临床应用提供了坚实的基础,增强了细分和诊断.
- 幽灵模块和混合损失功能的开创性使用推动了医疗图像增强领域的发展.
