基于深度生成模型的医学影像数据扩充研究综述

Deep Generative Models for Medical Image Data Augmentation: A Survey

作者： 项泽宇 ¹ 李骏凯 ¹ 杜晴 ¹ 张若溪 ² 郭田雨 ¹ 谢佳文 ³ 汪泽 ¹ 王伟东 ¹ 习麟晖 ⁴
作者单位：

1. 河南科技大学

2. 河南工业大学

3. 北京石油化工学院

4. 武昌首义学院
通讯作者： 项泽宇 Email:221410060124@stu.haust.edu.cn
提交时间：2025-03-13 22:42:29

摘要: 随着医学影像技术的快速发展，医学影像数据的应用已成为现代医疗中的重要组成部分。神经网络训练需要大量的医学影像数据，然而，获取高质量、标注完整的医学影像数据往往面临着高成本、时间消耗以及数据隐私等问题。为了克服这些挑战，数据扩充技术应运而生，尤其是基于深度生成模型的数据扩充方法，因其在生成高质量合成数据方面的潜力而受到广泛关注。本文主要内容包括生成对抗网络（Generative Adversarial Networks, GAN）、变分自编码器（Variational Auto-Encoders, VAE）、扩散模型（Diffusion Models，DM）等模型的原理、应用及其在医学影像领域的最新进展，分析了现有方法的优缺点，并探讨了未来研究的方向。

深度生成模型医学影像数据扩充生成对抗网络变分自编码器扩散模型

来自： 项泽宇
分类： 计算机科学 >> 计算机科学技术其他学科
投稿状态： 未投稿
引用： ChinaXiv:202503.00181 (或此版本 ChinaXiv:202503.00181V1)
DOI:10.12074/202503.00181
CSTR:32003.36.ChinaXiv.202503.00181
科创链TXID： 4af21c79-1e6b-4190-abe2-5310ebecc280
推荐引用方式： 项泽宇,李骏凯,杜晴,张若溪,郭田雨,谢佳文,汪泽,王伟东,习麟晖.基于深度生成模型的医学影像数据扩充研究综述.null.[DOI:10.12074/202503.00181] (点此复制)

版本历史

[V1]

2025-03-13 22:42:29

ChinaXiv:202503.00181V1

下载全文

相关论文推荐

1. 基于证据积累的认知决策神经网络模型	2025-07-23
2. 矩阵论——以数据挖掘与机器学习为例	2025-07-19
3. 信息论安全的可信验证算法	2025-07-17
4. 关于命名实体识别领域的综述报告	2025-07-16
5. 可重构芯片技术演进研究	2025-07-15
6. 机器学习的信息科学原理：基于形式化信息映射的因果链元框架	2025-07-14
7. 关于自然语言处理及其核心技术的综述报告	2025-07-09
8. “认知审判”：一种针对大型语言模型的心理司法攻击范式	2025-06-18
9. 面向实际应用的微表情分析：从数据采集到智能部署	2025-06-12
10. MDPO: Multi-Granularity Direct Preference Optimization for Mathematical Reasoning	2025-06-10


公开评论匿名评论仅发给作者