超越标签：基于自注意力扩散模型的零样本糖尿病足溃疡创面分割及文本引导定制的潜力
图像与视频处理
2025-04-25 v1 计算机视觉与模式识别
摘要
糖尿病足溃疡（DFUs）在医疗保健中构成重大挑战，需要精确高效的创面评估以改善患者预后。本研究引入了注意力扩散零样本无监督系统（ADZUS），这是一种新颖的文本引导扩散模型，能够在不依赖标注训练数据的情况下进行创面分割。与需要大量标注的传统深度学习模型不同，ADZUS 利用零样本学习根据描述性提示动态调整分割，在临床应用中提供了更高的灵活性和适应性。实验评估表明，ADZUS 超越了传统和最先进的分割模型，在慢性创面数据集上达到了 86.68% 的 IoU 和 94.69% 的最高精确率，优于 FUSegNet 等监督方法。在专门整理的 DFU 数据集上的进一步验证证实了其鲁棒性，ADZUS 达到了 75% 的中位 DSC，显著超越了 FUSegNet 的 45%。该模型的文本引导分割能力实现了分割输出的实时定制，允许根据临床描述对创面特征进行针对性分析。尽管其性能具有竞争力，但基于扩散的推理的计算成本以及潜在的微调需求仍是未来改进的领域。ADZUS 代表了创面分割领域的变革性一步，为医学影像提供了一种可扩展、高效且适应性强的 AI 驱动解决方案。
引用
@article{arxiv.2504.17628,
title = {Beyond Labels: Zero-Shot Diabetic Foot Ulcer Wound Segmentation with Self-attention Diffusion Models and the Potential for Text-Guided Customization},
author = {Abderrachid Hamrani and Daniela Leizaola and Renato Sousa and Jose P. Ponce and Stanley Mathis and David G. Armstrong and Anuradha Godavarty},
journal= {arXiv preprint arXiv:2504.17628},
year = {2025}
}
备注
12 pages, 8 figures, journal article