
摘要
我们证明,通过在CT扫描中使用合成肿瘤,AI模型能够在无需人工标注的情况下实现肝脏肿瘤的精确分割。这些合成肿瘤具有两个显著优势:(I)在形态和纹理上高度逼真,甚至能够误导专业医疗人员,使其难以与真实肿瘤区分;(II)对训练AI模型具有显著效果,其在肝脏肿瘤分割任务中的表现可与基于真实肿瘤数据训练的模型相媲美——这一结果令人振奋,因为迄今为止,尚无任何仅使用合成肿瘤的研究能够达到与真实肿瘤相当或相近的性能水平。这一发现意味着,未来可大幅减少对逐体素(voxel)进行人工标注肿瘤的繁琐工作(此类标注数据的构建往往耗时数年)。此外,我们的合成肿瘤能够自动生成大量小型(甚至极小)的合成肿瘤样本,具备提升检测小型肝脏肿瘤成功率的潜力,这对早期癌症的发现至关重要。除了丰富训练数据外,我们的合成策略还使我们能够对AI模型的鲁棒性进行严格评估。
代码仓库
mrgiovanni/synthetictumors
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| tumor-segmentation-on-lits17 | label-free | Dice: 59.77 NSD: 61.29 |