通过基础模型和离散扩散模型桥接分类与骨肉瘤评估中的分类与分割
计算机视觉与模式识别
2025-01-06 v1
摘要
骨肉瘤是最常见的原发性骨骼癌，有效的治疗计划和预后需要从全切片图像（WSIs）中准确评估坏死情况。然而，手动评估主观且容易产生变异性。为此，我们引入 FDDM（一个新型框架，桥接补片分类与基于区域的分割）。FDDM 在两个阶段中运行：补片分类，随后是基于区域的细化，实现跨补片信息集成。利用新编制的骨肉瘤图像数据集，FDDM 在分割性能上显著优于现有方法，实现了最高可达 10% 的 mIOU 提升和 32.12% 的坏死率估计增强。该框架在骨肉瘤评估中设定了新的基准，凸显了基础模型和基于扩散的细化在复杂医学影像任务中的潜力。
引用
@article{arxiv.2501.01932,
title = {Bridging Classification and Segmentation in Osteosarcoma Assessment via Foundation and Discrete Diffusion Models},
author = {Manh Duong Nguyen and Dac Thai Nguyen and Trung Viet Nguyen and Homi Yamada and Huy Hieu Pham and Phi Le Nguyen},
journal= {arXiv preprint arXiv:2501.01932},
year = {2025}
}
备注
Accepted for presentation at the 2025 IEEE International Symposium on Biomedical Imaging (ISBI 2025)