Resumen

Para el aprendizaje profundo, el tamaño del conjunto de datos afecta en gran medida al efecto final del entrenamiento. Sin embargo, en el campo del diagnóstico asistido por ordenador, los conjuntos de datos de imágenes médicas suelen ser limitados e incluso escasos. Nuestro objetivo es sintetizar imágenes médicas y ampliar el tamaño del conjunto de datos de imágenes médicas. En el presente estudio, sintetizamos las imágenes de TC de hígado con un tumor basándonos en la red generativa adversarial de atención a la máscara (MAGAN). Enmascaramos los píxeles del tumor hepático en la imagen como mapa de atención. Y tanto la imagen original como el mapa de atención se cargaron en la red generadora para obtener las imágenes sintetizadas. A continuación, las imágenes originales, el mapa de atención y las imágenes sintetizadas se cargaron en la red discriminadora para determinar si las imágenes sintetizadas eran reales o falsas. Por último, podemos utilizar la red generadora para sintetizar imágenes de TAC de hígado con un tumor. Los experimentos mostraron que nuestro método superaba a los demás métodos del estado de la técnica y podía alcanzar una relación señal-ruido pico (PSNR) media de 64,72 dB. Todos estos resultados indican que nuestro método puede sintetizar imágenes de TC de hígado con un tumor y construir un gran conjunto de datos de imágenes médicas, lo que puede facilitar el progreso del análisis de imágenes médicas y el diagnóstico asistido por ordenador. Una versión anterior de nuestro estudio se ha presentado como preprint en el siguiente enlace: https://www.researchsquare.com/article/rs-41685/v1.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:imágenes de TAC de hígado, mapa de atención, imágenes, tumor, red generativa, gran conjunto de datos de imágenes médicas, efecto final del entrenamiento, red generativa adversarial, señal pico media, análisis de imágenes médicas.
• Keywords:liver CT images, attention map, images, tumor, generator network, large medical image dataset, final training effect, generative adversarial network, mean peak signal, medical image analysis