Exemplar Diffusion：利用机会性标签提高医学目标检测
计算机视觉与模式识别
2026-03-17 v1
摘要
我们提出了一种利用现有推断标签（称为“exemplars”）来提升医学图像目标检测性能的框架。该方法“exemplar diffusion”（Exemplar Diffusion）利用现有的扩散方法用于目标检测，实现一种无需训练即可在测试时添加已知边界框信息的做法。我们展示，在具有清晰空间结构的医学图像数据集上，该方法可整体提升平均精度和召回率，并且对 exemplar 质量具有鲁棒性，从而实现非专业标注。此外，我们演示了该方法也可用于量化扩散检测方法的预测不确定性。源代码和数据划分已公开于 https://github.com/waahlstrand/ExemplarDiffusion。
引用
@article{arxiv.2603.15267,
title = {Exemplar Diffusion: Improving Medical Object Detection with Opportunistic Labels},
author = {Victor Wåhlstrand and Jennifer Alvén and Ida Häggström},
journal= {arXiv preprint arXiv:2603.15267},
year = {2026}
}
备注
Submitted to MICCAI 2026