合成病理画像生成のための条件付き拡散モデルの評価

条件付き拡散モデルを用いた合成病理組織画像生成の評価手法に関する研究である。医療応用における合成データの品質を十分に評価できていない既存手法の限界を指摘し、ドメイン固有の指標と下流タスク検証による評価アプローチを提案・調査する。従来の評価指標の限界を明らかにし、より適切な評価方法を示す。

• 計算病理学におけるデータ不足を補うため、合成病理画像生成技術が注目されているが、既存の評価指標ではその品質を十分に評価できない場合がある。
• 本研究では、従来のFIDやISといった画像生成評価指標の限界を指摘し、病理学ドメインに特化した評価手法を提案している。
• 病理画像データセットで事前学習した基盤モデルを用いたFID/ISの改変や、精度・再現率ベースの指標の追加が有効であることが示唆された。
• 合成データの多様性が、視覚的忠実度よりも下流タスク（核分割）の性能向上に寄与する相関が高いことが示された。