Class-N-Diff：基于分类诱导的扩散模型实现公平皮肤癌诊断
计算机视觉与模式识别
2025-10-21 v1
摘要
生成模型，特别是扩散模型，在生成高质量合成数据（包括医学图像）方面展现出卓越的能力。然而，传统的类别条件生成模型常常难以生成能准确代表特定医学类别的图像，这限制了其在皮肤癌诊断等应用场景的实用性。为此，我们提出一种称为 Class-N-Diff 的分类诱导扩散模型，以同时生成和分类皮肤图谱图像。我们的 Class-N-Diff 模型将分类器嵌入扩散模型中，以其类别条件指导图像生成。因此，该模型对类别条件图像合成拥有更好的控制，生成更真实、更具多样性的图像。此外，分类器的性能也得到提升，凸显其对下游诊断任务的有效性。这种独特的集成方式使 Class-N-Diff 成为一种稳健的工具，用于提升基于扩散模型的合成皮肤图谱图像生成质量和实用性。我们的代码已公开于 https://github.com/Munia03/Class-N-Diff。
引用
@article{arxiv.2510.16887,
title = {Class-N-Diff: Classification-Induced Diffusion Model Can Make Fair Skin Cancer Diagnosis},
author = {Nusrat Munia and Abdullah Imran},
journal= {arXiv preprint arXiv:2510.16887},
year = {2025}
}
备注
EMBC 2025