Le MRI cerebrali sintetiche di StyleGAN2-ADA non migliorano la classificazione dei tumori
Uno studio su arXiv (2605.23094) ha testato se le MRI cerebrali sintetiche generate da StyleGAN2-ADA migliorano la classificazione dei tumori. Dodici generatori di piani di classe sono stati addestrati sulle partizioni BRISC 2025. Campioni sintetici sono stati aggiunti ai dati di training reali con rapporti reali/sintetici di 1:1 e 1:2. Sono state valutate tre famiglie di classificatori: random forest sulle caratteristiche di InceptionV3, una CNN compatta a due teste e MobileViTV2. È stato anche testato il filtraggio dello spazio delle caratteristiche di InceptionV3. Un test cieco indipendente con GPT-5.5 ha raggiunto solo il 57,73% di accuratezza (IC 95%: 54,48–60,92%) nel discriminare immagini reali da sintetiche, indicando un'utilità limitata dei dati sintetici per compiti downstream.
Fatti principali
- Dodici generatori StyleGAN2-ADA di piani di classe addestrati su partizioni BRISC 2025.
- Campioni sintetici aggiunti con rapporti reali/sintetici di 1:1 e 1:2.
- Tre famiglie di classificatori: random forest su caratteristiche InceptionV3, CNN compatta a due teste, MobileViTV2.
- Testato filtraggio dello spazio delle caratteristiche di InceptionV3.
- Test cieco GPT-5.5 ha raggiunto il 57,73% di accuratezza (IC 95%: 54,48–60,92%) nella discriminazione reale vs sintetico.
- L'augmentazione sintetica non ha migliorato in modo affidabile la classificazione dei tumori.
- Studio pubblicato su arXiv con ID 2605.23094.
- L'augmentazione generativa proposta come rimedio per dataset medici di piccole dimensioni.
Entità
Istituzioni
- arXiv
- BRISC