Generation of Anonymous Chest Radiographs Using Latent Diffusion Models for Training Thoracic Abnormality Classification Systems

要約

大規模な胸部 X 線データセットを利用できることは、胸部異常の検出と分類において高性能なディープラーニング ベースのアルゴリズムを開発するための要件です。
ただし、胸部レントゲン写真の生体認証識別子は、患者の再識別のリスクがあるため、研究目的でそのようなデータを公開することを妨げています。
この問題に対抗するために、合成データ生成は医療画像を匿名化するためのソリューションを提供します。
この作業では、潜在拡散モデルを使用して、高品質のクラス条件付き画像の匿名の胸部 X 線データセットを合成します。
画像生成プロセス中に生体認証情報が転送されないようにするために、プライバシーを強化するサンプリング戦略を提案します。
生成された画像の品質と専用のトレーニング データとして機能する可能性は、胸部異常分類タスクで評価されます。
実際の分類器と比較すると、受信者動作特性曲線の下の領域でわずか 3.5% のパフォーマンス ギャップで競争力のある結果を達成しています。

要約(オリジナル)

The availability of large-scale chest X-ray datasets is a requirement for developing well-performing deep learning-based algorithms in thoracic abnormality detection and classification. However, biometric identifiers in chest radiographs hinder the public sharing of such data for research purposes due to the risk of patient re-identification. To counteract this issue, synthetic data generation offers a solution for anonymizing medical images. This work employs a latent diffusion model to synthesize an anonymous chest X-ray dataset of high-quality class-conditional images. We propose a privacy-enhancing sampling strategy to ensure the non-transference of biometric information during the image generation process. The quality of the generated images and the feasibility of serving as exclusive training data are evaluated on a thoracic abnormality classification task. Compared to a real classifier, we achieve competitive results with a performance gap of only 3.5% in the area under the receiver operating characteristic curve.

arxiv情報

著者 Kai Packhäuser,Lukas Folle,Florian Thamm,Andreas Maier
発行日 2022-11-02 17:43:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク