论文阅读：医学图像数据集扩充方法研究进展

摘要

---

背景：

• 计算机辅助诊断（CAD）
• 训练样本受成像成本、标记成本和涉及患者隐私等因素的影响，导致训练图像多样性不足且难以获取。

本文贡献：

对医学图像数据集扩充方法的研究进展进行综述。

1. 对比分析基于几何变换和基于生成对抗网络的扩充方法；
2. 介绍基于生成对抗网络扩充方法的改进及其适用场景；
3. 讨论医学图像数据集扩充领域的一些亟待解决的问题并对其未来发展趋势进行展望。

0. 引言

---

医学图像成像模态：

• 磁共振成像 （magnetic resonance imaging，MRI）
• 计算机断层扫描成像（computed tomography，CT）
• 正电子发射断层扫描成像（positron emission computed tomography，PET）

诊断难点：医学图像信息量庞大以及部分疾病的病变部位细小

医学图像数据集扩充方法：基于几何变换和基于生成对抗网络（generative adversarial network，GAN）的扩充方法

1. 基于几何变换的医学图像数据集扩充方法

---

两种操作方式：

1. 针对图像中像素点的灰度值进行操作，通过一系列变换函数的映射，改变像素点位置信息，使其纹理细节与原图保持一致；