CTS：一种基于一致性的医学图像分割模型
计算机视觉与模式识别
2024-05-16 v1 人工智能
摘要
在医学图像分割任务中，扩散模型已显示出显著的潜力。然而，主流扩散模型存在多次采样和预测结果缓慢等缺点。最近，作为独立生成网络的一致性模型已解决了这一问题。与扩散模型相比，一致性模型可将采样次数缩减至一次，不仅实现类似的生成效果，还显著加快训练和预测速度。然而，一致性模型不适用于图像分割任务，其在医学成像领域的应用尚未探索。因此，本文将一致性模型应用于医学图像分割任务，设计多尺度特征信号监督模式和损失函数引导以实现模型收敛。实验验证了CTS模型在测试阶段仅通过一次采样即可获得更好的医学图像分割结果。
引用
@article{arxiv.2405.09056,
title = {CTS: A Consistency-Based Medical Image Segmentation Model},
author = {Kejia Zhang and Lan Zhang and Haiwei Pan and Baolong Yu},
journal= {arXiv preprint arXiv:2405.09056},
year = {2024}
}