Искусственно сгенерированные данные, имитирующие реальные данные, используются здесь для обучения моделей без реального контакта с пациентами.Синтетические данные — это информация, которая создается искусственно, а не собирается из реальных событий. В контексте представленных статей они используются для обучения моделей машинного обучения без доступа к реальным данным пациентов, которые часто являются чувствительными и защищены нормами конфиденциальности. Это понятие является центральным в таких областях, как медицинская визуализация, где можно создавать цифровые двойники пациентов или органов для моделирования состояний и безопасного тестирования алгоритмов.
Термин приобрел известность в 2010-х годах с развитием глубокого обучения, хотя основная идея генерации искусственных данных для тестирования уходит корнями в более ранние методы моделирования. Ни один конкретный изобретатель не упоминается.
Процесс обычно включает использование генеративных моделей, таких как генеративно-состязательные сети (GAN) или вариационные автокодировщики, для изучения статистического распределения реальных данных и последующей выборки новых правдоподобных примеров из этого распределения. Эти синтетические примеры могут быть размечены с известной истинной меткой, что позволяет обучать и проверять модели в контролируемой среде. Сгенерированные данные могут имитировать конкретные состояния, такие как различные стадии заболевания или артефакты изображений, которые могут быть редкими или труднодоступными в реальных наборах данных.
Синтетические данные используются для обучения диагностических моделей в медицинской визуализации, для дополнения небольших реальных наборов данных и для тестирования автономных систем в моделируемых средах перед развертыванием в реальном мире.
Синтетические данные могут использоваться для генерации изображений редких заболеваний, которых так мало, что реальных примеров было бы недостаточно для обучения надежной диагностической модели.







