Affrontare la carenza di dati medici utilizzando modelli generativi per creare dataset etichettati ad alta risoluzione
Le applicazioni di deep learning nel campo medico spesso si scontrano con vincoli derivanti dalla scarsa disponibilità di dati e dalla distribuzione sbilanciata dei dati. Questi ostacoli ostacolano lo sviluppo di modelli robusti. I modelli generativi come le generative adversarial networks (GANs) rappresentano una strada promettente per generare dati di imaging sintetici realistici, mitigando così i problemi legati alla scarsità di dati.
