CIResDiff：一种临床信息化残差扩散模型用于预测肺纤维化的疾病进展
图像与视频处理
2024-08-06 v2 人工智能
计算机视觉与模式识别
摘要
肺纤维化 (IPF) 的疾病进展与更高的患者死亡率密切相关。及早检测 IPF 的疾病进展对于及时启动治疗至关重要，这可以有效减缓疾病的进展。然而，当前的临床标准要求间隔一年进行两次 CT 扫描才能定义疾病进展，这给临床实践带来了困境：只有在疾病已经进展后，才能确认疾病的进展。为此，本文开发了一种新型扩散模型，通过生成从初始 CT 扫描到随访 CT 扫描的方式准确预测 IPF 的疾病进展。具体而言，基于临床先验知识，我们对传统扩散模型进行改进，提出一种临床信息化残差扩散模型，称为 CIResDiff。CIResDiff 的关键创新包括：1）执行目标区域配准以减少不同时间点两个 CT 扫描肺部区域的生成难度；2）采用残差扩散而非传统扩散，以使模型更关注两个 CT 扫描之间差异（即病灶）而非 largely identical 的解剖内容；3）基于 CLIP 技术设计临床信息化过程，将与诊断高度相关的肺功能信息整合到逆过程，以辅助生成。广泛的临床数据实验表明，我们的方法在已有方法之上，能够有效预测 IPF 的疾病进展。
引用
@article{arxiv.2408.00938,
title = {CIResDiff: A Clinically-Informed Residual Diffusion Model for Predicting Idiopathic Pulmonary Fibrosis Progression},
author = {Caiwen Jiang and Xiaodan Xing and Zaixin Ou and Mianxin Liu and Walsh Simon and Guang Yang and Dinggang Shen},
journal= {arXiv preprint arXiv:2408.00938},
year = {2024}
}