BS-Diff：基于条件扩散模型从胸部X射线图像中高效抑制骨骼
图像与视频处理
2024-03-01 v3 计算机视觉与模式识别
摘要
胸部X射线（CXR）常作为肺癌筛查的低剂量模态使用。然而，CXR的有效性在一定程度上受限，因为约75%的肺部区域与骨骼重叠，这进而妨碍了疾病的检测与诊断。作为补救措施，骨骼抑制技术应运而生。临床上当前的双能减影成像技术需要昂贵设备且受试者暴露于高辐射下。为规避这些问题，基于深度学习的图像生成算法已被提出。然而，现有方法在生成高质量图像及捕捉纹理细节（尤其是肺血管）方面存在不足。为解决这些问题，本文提出了一种称为BS-Diff的新型骨骼抑制框架，该框架包含一个配备U-Net架构的条件扩散模型以及一个用于整合自编码器的简单增强模块。我们所提出的网络不仅能以高骨骼抑制率生成软组织图像，还具备捕捉精细图像细节的能力。此外，我们整理了自2010年以来最大的数据集，包含来自120名患者的数据，具有由附属医院采集的高清、高分辨率配对CXR与软组织图像。大量实验、对比分析、消融研究与临床评估表明，所提出的BS-Diff在多项指标上优于若干骨骼抑制模型。我们的代码可在 https://github.com/Benny0323/BS-Diff 获取。
引用
@article{arxiv.2311.15328,
title = {BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models from Chest X-Ray Images},
author = {Zhanghao Chen and Yifei Sun and Wenjian Qin and Ruiquan Ge and Cheng Pan and Wenming Deng and Zhou Liu and Wenwen Min and Ahmed Elazab and Xiang Wan and Changmiao Wang},
journal= {arXiv preprint arXiv:2311.15328},
year = {2024}
}
备注
5 pages, 2 figures, accepted by IEEE ISBI 2024