DiffULD：基于扩散的通用病灶检测
图像与视频处理
2023-03-29 v1
摘要
计算机断层扫描（CT）中的通用病灶检测（ULD）在计算机辅助诊断中起着至关重要的作用。基于锚点的检测设计已报告了有前景的 ULD 结果，但由于使用锚点它们存在固有缺陷：i) 训练目标不足和 ii) 锚点设计困难。扩散概率模型（DPM）已在许多视觉任务中展现出卓越能力。许多基于 DPM 的方法在不使用锚点的情况下于自然图像目标检测中取得巨大成功。但由于训练目标不足，它们对 ULD 仍然无效。本文中，我们提出一种新颖的 ULD 方法 DiffULD，其利用 DPM 进行病灶检测。为解决训练目标不足带来的负面影响，我们引入一种新颖的中心对齐边界框填充策略，该策略提供额外的优质训练目标且避免显著的性能退化。DiffULD 天生擅长定位具有不同大小和形状的病灶，因为它可以预测任意边界框。在基准数据集 DeepLesion 上的实验表明，与最先进的 ULD 方法相比，DiffULD 具有优越性。
引用
@article{arxiv.2303.15728,
title = {DiffULD: Diffusive Universal Lesion Detection},
author = {Peiang Zhao and Han Li and Ruiyang Jin and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2303.15728},
year = {2023}
}