扩散概率模型在 MRI 中新兴应用的综述
计算机视觉与模式识别
2024-05-09 v3
摘要
扩散概率模型（DPMs）采用显式似然刻画与渐进式采样过程来合成数据，已获得日益增长的研究关注。尽管因其采样过程中涉及大量步骤而带来巨大计算负担，DPMs 仍因生成的高质量与多样性而在各类医学成像任务中广受青睐。磁共振成像（MRI）是一种具有优异软组织对比度与极高空间分辨率的重要医学成像模态，为 DPMs 提供了独特机遇。尽管近期探索 MRI 中 DPMs 的研究激增，但专门面向 MRI 应用的 DPMs 综述论文仍属缺失。本综述文章旨在帮助 MRI 领域的研究人员把握 DPMs 在不同应用中的进展。我们首先介绍两类主导性 DPMs 的理论，按扩散时间步离散或连续分类，随后对 MRI 中新兴的 DPMs 应用进行全面综述，包括重建、图像生成、图像翻译、分割、异常检测及进一步研究主题。最后，我们讨论 DPMs 的通用局限及 MRI 任务特有局限，并指出值得进一步探索的潜在方向。
引用
@article{arxiv.2311.11383,
title = {A Survey of Emerging Applications of Diffusion Probabilistic Models in MRI},
author = {Yuheng Fan and Hanxi Liao and Shiqi Huang and Yimin Luo and Huazhu Fu and Haikun Qi},
journal= {arXiv preprint arXiv:2311.11383},
year = {2024}
}