用于脑组织 inpainting 的去噪扩散模型

本文是为“BraTS 2023 Local Synthesis of Healthy Brain Tissue via Inpainting Challenge”而做出的贡献。该挑战的任务是将颅骨组织中的肿瘤组织转换为健康组织。这个想法源于这样一个问题：脑磁共振（MR）图像可以使用自动处理工具进行评估，但许多这些工具针对的是健康组织的分析进行优化。通过解决给定的 inpainting 任务，我们使能够自动分析包含病灶的图像，并进一步用于下游任务。我们的做法建立在去噪扩散概率模型之上。我们使用一个 2D 模型，该模型是使用在其中剪裁出健康组织的切片进行训练的，学习再进行 inpainting。这使我们能够在训练期间使用真实的健康组织。，在抽样阶段，我们将原始 3D 体积中包含疾病组织的切片替换为包含健康组织 inpainting 的切片。通过我们的做法，我们实现了与竞争方法相当的结果。在验证集上，我们的模型实现了平均 SSIM 为 0.7804，PSNR 为 20.3525，MSE 为 0.0113。未来我们计划将我们的 2D 模型扩展到 3D 模型，以便在不丢失相邻切片上下文信息的情况下对整个感兴趣区域进行 inpainting。