基于扩散模型的不规则纵向序列青光眼视网膜图像外推

利用纵向数据集进行青光眼病程预测提供了一种强有力的决策支持早期干预的途径。该领域的主要方法主要侧重于从纵向数据集直接预测青光眼阶段标签。然而，这些方法可能不充分地捕捉疾病细微的发展轨迹。为增强医师的诊断能力，我们提出一种新型扩散模型，通过从患者现有的纵向视网膜图像中外推来预测未来的图像。本研究提出的方法在方法论层面上，distinctively 将图像序列作为输入。随后采用时间对齐掩码来选择特定年份进行图像生成。在训练阶段，时间对齐掩码解决了纵向图像序列采样中不规则时间间隔的问题。此外，我们采用随机屏蔽序列中某一帧的策略来建立基准真值。该方法有助于网络在学习过程中持续获取序列内部关系的知识。此外，引入文本标签对于对序列中生成的图像进行分类至关重要。实验结果表明，我们提出的模型不仅有效地生成了纵向数据，还显著提高了下游分类任务的精度。