用于语义三维脑MRI合成的条件扩散模型
图像与视频处理
2024-04-22 v5 计算机视觉与模式识别
机器学习
摘要
医疗领域的人工智能(AI),尤其是医学影像领域,面临数据稀缺与隐私问题的挑战。为此,我们提出 Med-DDPM,一种专为三维语义脑MRI合成设计的扩散模型。该模型通过集成语义条件化有效应对数据稀缺与隐私问题,具体做法是将条件图像在通道维度上拼接至模型输入,从而实现图像生成的可控性。与现有三维脑影像合成方法相比,Med-DDPM 表现出更优的稳定性和性能,可生成具有高度视觉保真度、解剖结构连贯的多样化图像。在肿瘤分割任务的 dice 分数精度上,Med-DDPM 达到 0.6207,接近真实图像的 0.6531,且优于基线模型。与真实图像结合后,分割精度进一步提升至 0.6675,显示出我们所提方法用于数据增强的潜力。该模型首次将扩散模型用于三维语义脑MRI合成,生成高质量图像;其语义条件化特性也展现出在生物医学影像中进行图像匿名化的潜力,从而应对数据与隐私问题。我们在 GitHub 仓库(https://github.com/mobaidoctor/med-ddpm/)提供 Med-DDPM 的代码与模型权重以支持可复现性。
引用
@article{arxiv.2305.18453,
title = {Conditional Diffusion Models for Semantic 3D Brain MRI Synthesis},
author = {Zolnamar Dorjsembe and Hsing-Kuo Pao and Sodtavilan Odonchimed and Furen Xiao},
journal= {arXiv preprint arXiv:2305.18453},
year = {2024}
}
备注
This document is a preprint and has been accepted for publication in the IEEE Journal of Biomedical and Health Informatics. The final, published version can be accessed using the following DOI: 10.1109/JBHI.2024.3385504. Copyright for this article has been transferred to IEEE