AWDiff：基于阿孔波小波扩散模型的肺脏超声图像合成
计算机视觉与模式识别
2026-03-17 v2
摘要
肺脏超声（LUS）是一种安全且便携的成像方式，但数据稀缺限制了图像解读和疾病监测的机器学习方法的发展。现有的生成式数据增强方法，如生成对抗网络（GAN）和扩散模型，由于分辨率降低，常常丢失细微的诊断线索，尤其是B线和肺胞不规则性。我们提出了阿孔波小波扩散（A trous Wavelet Diffusion，AWDiff），这是一种集成阿孔波小波变换以保留细小尺度结构而避免破坏性下采样的扩散模型数据增强框架。此外，利用在大规模生物医学语料上训练的BioMedCLIP视觉语言基础模型进行语义条件化，可确保与临床上有意义的标签对齐。在LUS数据集上，AWDiff实现了更低的失真程度和更高的感知质量，证明其在结构保真性和临床多样性方面的优势。
引用
@article{arxiv.2603.03125,
title = {AWDiff: An a trous wavelet diffusion model for lung ultrasound image synthesis},
author = {Maryam Heidari and Nantheera Anantrasirichai and Steven Walker and Rahul Bhatnagar and Alin Achim},
journal= {arXiv preprint arXiv:2603.03125},
year = {2026}
}
备注
5 pages5 pages, 4 figures. Accepted to ICASSP 2026