去噪扩散医学模型
图像与视频处理
2023-04-20 v1 计算机视觉与模式识别
图形学
摘要
在本研究中，我们引入了一种生成模型，能够合成大量放射影像/标签对，因而在生物医学图像分析中的分割等下游任务上具有渐进优势。所提出的技术——去噪扩散医学模型（DDMM）——能够在少量标注数据集以及大量无标注且无监督的数据集上生成逼真的 X 射线图像及相应的分割结果。DDMM 采样过程以概率模式联合生成 X 射线图像/分割对。结果表明，使用该数据增强进行分割任务的普通 UNet 优于其他类似以数据为中心的方法。
引用
@article{arxiv.2304.09383,
title = {Denoising Diffusion Medical Models},
author = {Pham Ngoc Huy and Tran Minh Quan},
journal= {arXiv preprint arXiv:2304.09383},
year = {2023}
}
备注
Accepted to IEEE ISBI 2023