High-Fidelity Image Synthesis from Pulmonary Nodule Lesion Maps using Semantic Diffusion Model

要約

タイトル：セマンティックディフュージョンモデルを用いた肺結節病変マップからの高精度画像合成

要約：

– 深層学習の利用により、学習アルゴリズムに基づくコンピュータ支援診断（CAD）モデルは、結節スクリーニングプロセスを加速し、放射線技師の日常的な臨床ワークフローに有用な支援を提供できるようになった。
– しかし、このような堅牢で正確なモデルを開発するには、高品質の注釈を備えた大規模かつ多様な医療データセットが必要となる。
– そのため、この論文では、セマンティックディフュージョンモデル（SDM）を使用して、セグメンテーションマップから高精度の肺CT画像を生成することを探求する。
– LUNA16データセットから注釈情報を利用して、ペアのCT画像とマスクを作成し、生成された画像の品質をFrechet Inception Distance（FID）を使用して評価する。
– また、結節検出と結節局所化の2つの一般的な臨床タスクでも評価し、それぞれ検出精度に3.96％の改善とAP50に8.50％の改善を示した。この結果は、このアプローチの有用性を示すものである。

要約(オリジナル)

Lung cancer has been one of the leading causes of cancer-related deaths worldwide for years. With the emergence of deep learning, computer-assisted diagnosis (CAD) models based on learning algorithms can accelerate the nodule screening process, providing valuable assis- tance to radiologists in their daily clinical workflows. However, developing such robust and accurate models often requires large-scale and diverse medical datasets with high-quality annotations. Generating synthetic data provides a pathway for augmenting datasets at a larger scale. Therefore, in this paper, we explore the use of Semantic Diffusion Mod- els (SDM) to generate high-fidelity pulmonary CT images from segmentation maps. We utilize annotation information from the LUNA16 dataset to create paired CT images and masks, and assess the quality of the generated images using the Frechet Inception Distance (FID), as well as on two common clinical downstream tasks: nodule detection and nodule localization. Achieving improvements of 3.96% for detection accuracy and 8.50% for AP50 in nodule localization task, respectively, demonstrates the feasibility of the approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI