使用图像对图像翻译技术生成骨后造 Mammograms
IEEE journal of biomedical and health informatics
|August 18, 2025
概括
这项研究引入了一种使用生成性对抗网络生成现实的合成乳房造影的新方法. 这些合成图像有助于创建平衡的数据集,用于训练人工智能算法,以改善乳腺癌检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 乳腺癌是全球女性的主要死亡原因,需要改进早期检测和预防策略.
- 由于隐私问题和数据不平衡,访问大型可靠的乳房造影数据集以进行研究受到阻碍.
- 目前公开的乳房造影数据集往往不可靠和不平衡,限制了AI模型的开发.
研究的目的:
- 开发一种用于生成高分辨率合成乳房造影的新工作流程.
- 为了能够精确控制合成乳腺特征,包括正常和瘤病例.
- 为机器学习应用程序创建一个用于增强或平衡现有数据集的工具.
主要方法:
- 利用基于生成对抗网络 (GAN) 的统计生成模型.
- 采用了压缩乳房的2D参数模型,用于骨尾部投影.
- 集成的图像到图像翻译技术用于功能控制和生成.
主要成果:
- 生成的合成乳腺造影精确复制了真实乳腺造影的特征.
- 统计分析显示,真实和合成图像统计数据之间的对应性很好.
- 医学专家发现,在大多数情况下,合成和真实乳房造影在统计学上是无法区分的.
结论:
- 拟议的工作流程成功生成了具有可控制特征的真实合成乳房造影.
- 合成乳房造影可以增强或平衡数据集,促进人工智能算法的训练.
- 这些人工智能工具可以帮助放射科医生改善乳腺癌分类和细分,提高诊断性能.


