基于掩码条件潜在扩散与大型慢性创面数据集迁移学习的合成麻风病图像生成
英文标题：Synthetic Leprosy Image Generation Using Mask-Conditioned Latent Diffusion and Transfer Learning from Large Chronic Wound Datasets
针对被忽视热带病（NTDs）领域面临的严重数据匮乏瓶颈，本研究提出利用掩码条件潜在扩散模型与大型慢性创面数据集迁移学习来合成麻风病图像。公开的麻风病（汉森病）标注图像仅有数百张，远低于主流生成模型所需的训练数据规模。该研究探讨了跨病种创面数据迁移在稀缺医学图像生成中的可行性，为罕见及被忽视疾病的数据增强和AI辅助诊断模型训练提供了新的技术路径。
打开原文相关 2.4 · 机会 0
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2609.13226v1 [发布类别：new]
摘要
被忽视热带病（Neglected tropical diseases）的机器学习应用受限于数据，而非算法：目前公开且带有标注的麻风病（汉森病，Hansen's disease）图像数据集规模仅有数百张，比现代生成模型所需的数量级低了几个层级。在本研究中，我们探讨了一个基于大规模慢性创面数据集预训练的模型……
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×