AnoFPDM：基于扩散模型前向过程的脑部MRI异常分段
计算机视觉与模式识别
2025-01-09 v4
摘要
弱监督扩散模型（DMs）在异常分段中引起广泛关注，因其在无监督方法方面的优异性能。它消除了对训练中像素级标签的需求，为受监督方法提供了更具成本效益的替代方案。然而，现有方法并未完全实现弱监督，因为在推理过程中仍依赖昂贵的像素级标签进行超参数调优。为此，我们提出了基于扩散模型前向过程的异常分段框架（AnoFPDM），这是一种完全弱监督的框架，无需像素级标签。利用无引导前向过程作为引导前向过程的参考，我们选择超参数，如噪声尺度、分段阈值和引导强度。我们整合引导前向过程中的异常图，增强异常区域的信号强度。令人惊讶的是，我们提出的方法在不使用像素级标签的情况下，甚至超过了最近的SOTA弱监督方法。
引用
@article{arxiv.2404.15683,
title = {AnoFPDM: Anomaly Segmentation with Forward Process of Diffusion Models for Brain MRI},
author = {Yiming Che and Fazle Rafsani and Jay Shah and Md Mahfuzur Rahman Siddiquee and Teresa Wu},
journal= {arXiv preprint arXiv:2404.15683},
year = {2025}
}
备注
v4: added appendices and fixed some typos