生成模型在胸部X射线图像中的应用综述.pdfVIP

ComputerScienceandApplication计算机科学与应用,2025,15(4),287-300

PublishedOnlineApril2025inHans./journal/csa

/10.12677/csa.2025.154101

生成模型在胸部X射线图像中的应用综述

*

储欢，肖琪，王慧玲

伊犁师范大学网络安全与信息技术学院，新疆伊宁

收稿日期：2025年3月16日；录用日期：2025年4月16日；发布日期：2025年4月24日

摘要

生成模型在医学影像领域的快速发展为胸部X射线(CXR)图像的合成、编辑与增强等领域提供了新的技术

手段。本文系统综述了生成对抗网络(GAN)、变分自编码器(VAE)及扩散模型在CXR图像中的研究进展与

应用。VAE通过隐变量学习生成数据分布，在疾病检测与图像重构中表现稳健，但生成图像常存在模糊

现象；GAN凭借其高真实感图像生成能力，被广泛用于解决数据稀缺问题及跨模态图像合成，但其训练

不稳定性和模式崩溃问题仍需优化；扩散模型凭借逐步去噪的生成机制，在图像质量与多样性上展现出

超越GAN的潜力，成为当前研究热点。文章进一步分析了该领域的研究现状，总结了生成模型在数据增

强、图像生成、及图像编辑中的创新应用，并对比了不同技术的优势与局限性。尽管生成模型在提升诊

断效率与数据隐私保护方面成果显著，但仍面临伦理、法律及模型泛化性等挑战。未来研究需聚焦多模

态生成、隐私保护框架设计及病理特征解耦，以推动生成模型在临床中的实际应用。本文为医学影像领

域的研究者提供了技术参考与方向指引，具有重要的学术价值与应用前景。

关键词

VAE，GAN，扩散模型，胸部X射线

AReviewoftheApplicationofGenerative

ModelsinChestX-RayImages

HuanChu,QiXiao,HuilingWang*

SchoolofNetworkSecurityandInformationTechnology,YiliNormalUniversity,YiningXinjiang

ththth

Received:Mar.16,2025;accepted:Apr.16,2025;published:Apr.24,2025

Abstract

Therapiddevelopmentofgenerativemodelsinthefieldofmedicalimaginghasprovidednew

*通讯作者。

文章引用:储欢,肖琪,王慧玲.生成模型在胸部X射线图像中的应用综述[J].计算机科学与应用,2025,15(4):287-300.

DOI:10.12677/csa.2025.154101

储欢等

technicalmeansforthesynthesis,editingandenhancementofchestX-ray(CXR)images.Thispaper

systematicallyreviewstheresearchprogressandapplicationsofgenerativeadversarialnetworks

(GANs),variationalautoencoders(VAEs)anddiffusionmodelsinCXRimages.VAEsgeneratedata

distributionsthroughlatentvariablelearning,andarerobustindiseasedetectionandimagerecon-

struction,butthegeneratedimagesareoft