本文综述了生成模型在医学数据合成中的应用，强调其在医学图像增强、分类准确性和文档编制中的潜力。研究提出了多个深度生成框架，如MedGen3D和HistoDiffusion，展示了合成数据在提高医疗诊断效率和准确性方面的重要性，并呼吁对医学图像评估方法进行深入研究。

DIG-MILP是一种基于VAE的深度生成框架，能从有限的MILP数据中提取深层结构特征并生成相似实例。实证研究表明，DIG-MILP生成的实例质量高，具有新颖性，适用于数据共享和数据增强等下游任务。