DermoSegDiff：用于皮肤病变勾画的边界感知分割扩散模型
图像与视频处理
2023-08-08 v1 计算机视觉与模式识别
摘要
皮肤病变分割在皮肤病症的早期检测和准确诊断中起着关键作用。去噪扩散概率模型（DDPMs）近期因其卓越的图像生成能力而受到关注。基于这些进展，我们提出DermoSegDiff，一种新颖的皮肤病变分割框架，其在学习过程中融入边界信息。我们的方法引入了一种新颖的损失函数，在训练期间优先关注边界，并逐步降低其他区域的重要性。我们还引入了一种新颖的基于U-Net的去噪网络，能在网络内部熟练地融合噪声与语义信息。在多个皮肤分割数据集上的实验结果表明，DermoSegDiff优于现有的CNN、transformer和基于扩散的方法，展现了其在多种场景下的有效性与泛化能力。实现代码已在\href{https://github.com/mindflow-institue/dermosegdiff}{GitHub}公开。
引用
@article{arxiv.2308.02959,
title = {DermoSegDiff: A Boundary-aware Segmentation Diffusion Model for Skin Lesion Delineation},
author = {Afshin Bozorgpour and Yousef Sadegheih and Amirhossein Kazerouni and Reza Azad and Dorit Merhof},
journal= {arXiv preprint arXiv:2308.02959},
year = {2023}
}
备注
MICCAI workshop PRIME