胎儿超声图像合成的解剖引导扩散模型
图像与视频处理
2025-09-04 v1 计算机视觉与模式识别
摘要
胎儿超声（US）检查需要获取多个平面，以提供独特的诊断信息来评估胎儿发育和筛查先天畸形。然而，获取包含多平面标注的综合胎儿 US 数据集 remains 挑战性，尤其是对于罕见或复杂畸形，由于其低发病率和诸多亚型。这在培训初学者放射科医师和开发健壮 AI 模型方面造成困难，尤其是对于检测异常胎儿。本研究中，我们引入一种灵活的胎儿 US 图像生成框架（FetalFlex），以解剖结构和多模态信息为基础，实现对胎儿 US 图像在不同平面上的可控合成。具体而言，FetalFlex 包含一个预对齐模块以增强可控性，引入一种重绘策略以确保纹理和外观的一致性。此外，开发了两阶段自适应抽样策略，以从粗糙到精细的层次逐步细化图像质量。我们认为 FetalFlex 是首个能够生成既不要求异常数据，又能生成分布正常和超分布异常胎儿 US 图像的方法。多中心数据集上的实验表明，FetalFlex 在多个图像质量指标上实现了最先进的性能。读者研究进一步确认，生成结果与专家视觉评估高度一致。此外，FetalFlex 生成的合成图像在下游分类和异常检测任务中显著提升了六类典型深度模型的性能。最后，FetalFlex 的解剖级可控生成为异常模拟和创建像素水平的配对或反事实数据提供了独特优势。
引用
@article{arxiv.2503.14906,
title = {FetalFlex: Anatomy-Guided Diffusion Model for Flexible Control on Fetal Ultrasound Image Synthesis},
author = {Yaofei Duan and Tao Tan and Zhiyuan Zhu and Yuhao Huang and Yuanji Zhang and Rui Gao and Patrick Cheong-Iao Pang and Xinru Gao and Guowei Tao and Xiang Cong and Zhou Li and Lianying Liang and Guangzhi He and Linliang Yin and Xuedong Deng and Xin Yang and Dong Ni},
journal= {arXiv preprint arXiv:2503.14906},
year = {2025}
}
备注
18 pages, 10 figures