面保留潜在扩散用于生成带缺血性脑梗死的脑分割掩码解剖学
图像与视频处理
2026-02-12 v1 人工智能
摘要
高质量分割掩码的稀缺性仍是医学图像分析中的主要瓶颈，尤其是在非对比CT（NCCT）神经影像中，由于手动标注成本高昂且结果不一。为解决这一限制，我们提出了一种用于无条件生成多类脑分割掩码（包括缺血性脑梗死）的解剖学保留生成框架。该方法将仅基于分割掩码训练的变分自编码器（VAE）与在潜在空间上运行的扩散模型相结合，后者学习解剖学潜在表征，并从纯噪声生成新样本。在推理阶段，通过冻结的VAE解码器对去噪后的潜在向量进行解码获得合成掩码，可选用二元提示控制病灶是否存在。定性结果表明，生成的掩码保留了全局脑解剖结构、离散组织语义以及真实变异性，同时避免了像素空间生成模型常见的结构性伪影。总体而言，所提框架为数据稀缺的医学影像场景下的解剖学感知掩码生成提供了简单且可扩展的解决方案。
引用
@article{arxiv.2602.10167,
title = {Anatomy-Preserving Latent Diffusion for Generation of Brain Segmentation Masks with Ischemic Infarct},
author = {Lucia Borrego and Vajira Thambawita and Marco Ciuffreda and Ines del Val and Alejandro Dominguez and Josep Munuera},
journal= {arXiv preprint arXiv:2602.10167},
year = {2026}
}