编辑推荐：
嗓音障碍（VD）常与声带结构病理（VFSP）相关，喉成像评估受限于稀缺及不平衡数据集。本研究探索 DDPM 生成合成图像增强 VFSP 分类的可行性，发现模型经增强数据集训练后收敛良好，为 VD 筛查与诊断提供新方向。
在人类的交流世界里，嗓音如同灵动的音符，是情感传递与信息表达的核心纽带。然而，当声带这一精密的发声器官出现结构异常时，美妙的音符可能会变成失调的杂音。声带结构病理（Vocal Fold Structural Pathology, VFSP）如结节、囊肿、息肉等，会直接引发嗓音障碍（Voice Disorders, VD），影响全球约 17% 人群的生活质量，尤其对教师、歌手等职业人群造成显著困扰。临床中，喉成像技术是评估 VFSP 的关键手段，但稀缺且不平衡的数据集、依赖专家经验的诊断模式，严重制约了人工智能（Artificial Intelligence, AI）在自动化诊断领域的应用潜力。如何突破数据瓶颈，让 AI 更精准地 “看懂” 声带病变，成为摆在研究者面前的重要课题。
为攻克这一难题，美国鲍灵格林州立大学（Bowling Green State University）的研究团队开展了一项开创性研究。他们将目光投向新兴的生成式人工智能（Generative Artificial Intelligence, GenAI）技术，尤其是去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPM），探索其生成逼真合成图像以增强 VFSP 分类的可行性。这项研究成果发表在《European Archives of Oto-Rhino-Laryngology》，为嗓音医学与 AI 的交叉研究开辟了新路径。
研究者采用了以下关键技术方法：首先从 607 例喉镜视频中提取 404 幅图像，经两位言语语言病理学（Speech-Language Pathology, SLP）专家标注构建原始数据集，涵盖 7 种 VFSP 类型及正常声带。随后利用 DDPM 在 GPU 集群上训练生成合成图像，经专家筛选后获得 4180 幅高质量图像。采用 VGG16 和 ResNet50 两种卷积神经网络（Convolutional Neural Network, CNN）架构，分别在原始数据集、合成数据集及混合数据集上进行二元分类（正常 / 病变）和多分类（7 种病理类型）训练与评估，通过准确率、F1 分数、Fréchet Inception Distance（FID）等指标衡量模型性能。
研究结果
合成图像的逼真性与数据增强效果
DDPM 成功生成了与真实喉镜图像高度相似的合成样本，FID 分数显示结节（104.70）、囊肿（112.00）等多数病理类型的合成图像与原始图像具有较高视觉一致性。通过合成数据扩增，原始数据的不平衡性显著改善，如肉芽肿（Granuloma）类样本从 4 例增至 541 例，为模型训练提供了更均衡的数据集。
模型训练与分类性能
- 基线表现：仅使用原始数据集时，预训练 VGG16 模型未能收敛，验证准确率持续低下，凸显原始数据稀缺性对模型的制约。
- 二元分类：当训练集包含 50% 原始数据与合成数据时，预训练 ResNet50 取得最佳性能，准确率达 0.73±0.03，F1 分数 0.70±0.03，敏感性 0.73±0.03，表明模型能有效区分正常与病变声带。
- 多分类表现：混合 50% 原始数据的训练策略同样显著提升多分类性能，预训练 VGG16 对肉芽肿、角化病（Keratosis）的分类准确率达 100%，ResNet50 对结节、囊肿的识别准确率超 90%，显示合成数据增强了模型对细分病理类型的辨别能力。
模型收敛与泛化能力
对比实验表明，仅用合成数据训练时模型性能较低，而加入少量原始数据（10%）即可提升分类指标，混合 50% 原始数据时达到最优。这说明合成数据与真实数据的合理融合是提升模型泛化能力的关键，预训练模型结合合成数据增强可加速收敛并提高稳定性。
研究结论与意义
本研究首次证实 DDPM 生成的合成图像可有效增强 VFSP 的 AI 分类性能。通过数据增强，模型不仅解决了原始数据集的稀缺与不平衡问题，还在二元和多分类任务中实现了可靠的诊断性能。这一成果为嗓音障碍的自动化筛查与诊断提供了新工具，尤其在医疗资源匮乏地区，AI 辅助诊断系统有望弥补专家短缺的现状，提升 VFSP 的早期检出率。
值得注意的是，研究中也发现部分病理类型（如声带沟 Sulcus Vocalis）的合成图像与真实样本 FID 分数较高，提示复杂解剖结构的模拟仍需优化。未来若能结合更高质量的喉镜数据集与多模态成像技术，进一步拓展模型对病理亚型的识别能力，DDPM 有望在临床实践中发挥更大价值。这项研究不仅为声带疾病的精准医疗提供了技术支撑，更展现了生成式 AI 在医学影像领域的巨大应用潜力，为跨学科研究照亮了前行的道路。
