创建合成CT图像数据

当数据太少而无法训练GAN时，如何生成真实的图像呢。

本文我们描述了一种从一组小样本中创建合成医学图像的方法，我们的方法基于随机部分变形，因此无需深度学习（不需要GANs）。

我们创建的图像看起来非常逼真，适合创建用于深入学习的训练数据集。我们应用此方法为Covid19的CT挑战赛的开发人员创建一个合成玩具数据集。

数据隐私是医学图像数据公开的一个重要挑战。病人相关信息的匿名化需要两个主要步骤。

• 第一步是从可识别信息中提取患者数据，这包括患者的姓名、出生日期、出生地或当前居住地。

• 第二步中，可能需要对图像数据本身执行匿名化，一个例子是从脑CT/MRI图像我们可以重建人脸，所以这通常需要进一步的匿名化步骤。

在COVID19挑战中：https://www.covid19challenge.eu，我们使用的是胸部的CT数据。

在这个比赛中的CT数据，不像大脑成像数据那么敏感，因为病人的头部和面部都被剪掉了，其余的图像数据本身不包含与人相关的信息，病人信息只为主要医务人员所知。

我们采取了几项措施来确保Covid19挑战中的完全匿名化。

• 我们从合作的放射部门和私人机构收到预先匿名的数据。

• 在数据传输之后，任何剩余的元数据都会被剥离到与质询相关的最小信息集，其余的临床元数据不是特定于患者的（年龄、性别、PCR结果、入院后天数、结果类别、临床事件）。事实上，它可能与许多潜在的医院和病人有关。

• 接下来，一个训练有素的团队会将图像分