arXiv cs.AI· Shaikh Akib Shahriyar, Zinedine Sehili, Adam Arthur, Christopher Schwartz·· 12 小时前AI 评分31
从数据增强到合成证据：在数据集入口评估生成的胸部X光片
From Augmentation to Synthetic Evidence: Evaluating Generated Chest Radiographs at Dataset Intake
AI 导读
研究将生成胸部X光片的审核拆为质量检查、来源分类与采集记录核验三个问题，实验用 Qwen 从 1000 张 Cheff-identified 或 SynthCheX 候选中最多选 20 张，MedGemma 评质量、基于冻结 DINOv3 特征的分类器判来源。
正文 · AI 翻译
摘要：生成的胸部 X 光片作为声明的数据增强可以是有用的，但同一张图像在作为真实检查记录提交时，就会变成缺乏支持的证据。我们通过区分三个问题来研究这一问题：图像是否通过自动质量检查、来源分类器是否将其标记为生成图像，以及可信记录是否支持所声称的采集。在我们的实验中，Qwen 从 1,000 张现有的 Cheff 识别或 SynthCheX 候选图像池中最多选择 20 张图像。接收方使用 MedGemma 评估质量，并使用基于冻结 DINOv3 特征的分类器预测来源。基于质量的选择使 Cheff 识别图像的质量通过数从 20 张中的 12 张提高到 19 张，使 SynthCheX 从 8 张提高到 17 张。我们没有发现证据表明选择能提高同时通过两项检查的比例：没有选中的 Cheff 识别图像同时通过两项检查，而均匀选择、质量选择和质量约束代理选择分别产生 2、1 和 2 次 SynthCheX 通过。在未处理的测试图像上，来源分类器将 5,000 张 SynthCheX 图像中的 4,677 张标记为生成图像，但也将 2,297 张 NIH（真实）图像中的 110 张以及另一数据集中的 957 张真实图像中的 568 张误分类为假图像。我们的结果进一步表明，JPEG 压缩使 SynthCheX 对 NIH 的 AUROC 从 0.987 降至 0.841。即使未经处理，仍有 152 张 SynthCheX 图像同时通过两项像素检查。这些检查可以过滤提交内容，但无法验证采集声明。我们强烈主张，在医学数据集中接纳胸部 X 光片时，必须分别记录和检查来源与预期用途。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.29152 [cs.CV] |
| （或 arXiv:2610.29152v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29152 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shaikh Akib Shahriyar [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 03:39:28 UTC（2,488 KB）
来源：arXiv cs.AI · arxiv.org