基于GAN的合成FDG PET图像可改善深度无监督异常检测模型的性能

本研究针对缺乏大规模多模态医学数据集的问题，通过生成合成的FDG PET图像来提升深度无监督异常检测（UAD）模型的表现。我们设计了多种GAN框架，验证其合成图像在检测轻微癫痫病变中的应用，结果表明，使用这些合成数据训练的UAD模型在灵敏度上达到了74%，证明了其在临床应用中的价值。

本研究通过生成合成FDG PET图像，提升了深度无监督异常检测模型的性能。多种GAN框架验证了合成图像在轻微癫痫病变检测中的有效性，UAD模型的灵敏度达到74%，显示出其临床应用价值。

FDG PET GAN框架 gan 合成图像 异常检测 无监督 癫痫病变
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友