Synthetic Tumors Make AI Segment Tumors Better

要約

合成腫瘍を生成するための新しい戦略を開発します。
既存の作品とは異なり、私たちの戦略によって生成された腫瘍には、2 つの興味深い利点があります。
(2) 実際の腫瘍でトレーニングされたモデルと同様に肝臓腫瘍のセグメンテーションを実行できる AI モデルのトレーニングに効果的 – この結果は前例のないものです。これまでのところ、合成腫瘍のみを使用した既存の研究では、
実際の腫瘍で訓練されたモデル。
この結果はまた、腫瘍のボクセルごとの注釈を開発するための手動の作業 (作成に何年もかかった) が、将来 AI モデルをトレーニングするために大幅に削減できることを意味します。
さらに、当社の合成腫瘍は、小さな (または小さな) 合成腫瘍の膨大な例を自動的に生成することにより、小さな腫瘍検出の成功率を向上させる可能性を秘めています。

要約(オリジナル)

We develop a novel strategy to generate synthetic tumors. Unlike existing works, the tumors generated by our strategy have two intriguing advantages: (1) realistic in shape and texture, which even medical professionals can confuse with real tumors; (2) effective for AI model training, which can perform liver tumor segmentation similarly to a model trained on real tumors – this result is unprecedented because no existing work, using synthetic tumors only, has thus far reached a similar or even close performance to the model trained on real tumors. This result also implies that manual efforts for developing per-voxel annotation of tumors (which took years to create) can be considerably reduced for training AI models in the future. Moreover, our synthetic tumors have the potential to improve the success rate of small tumor detection by automatically generating enormous examples of small (or tiny) synthetic tumors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google