MammoRGB：基于去噪扩散概率模型的双视角乳腺X线片合成
计算机视觉与模式识别
2025-12-01 v1 人工智能
摘要
目的：本研究旨在开发和评估一种三通道去噪扩散概率模型（DDPM），用于合成单侧乳腺双视角乳腺X线片，并评估通道表示对图像保真度和跨视角一致性的影响。材料与方法：从 Hugging Face 获得的预训练三通道 DDPM 在拥有 11020 例筛查乳腺X线片的私有数据集上进行微调，以生成配对的腹内抗体（CC）和侧腰斜视（MLO）视图。评估了 CC 和 MLO 视图的三种第三通道编码：求和、绝对差和零通道。每个模型产生 500 组合成图像。定量评估包括使用交并比（IoU）和 Dice 相似系数（DSC）进行乳腺掩码分割，与 2500 组真实配对图像进行分布比较，使用地毯移动距离（EMD）和Kolmogorov-Smirnov（KS）检验。定性评估包括由非专业放射科医师进行的视觉图灵测试，以评估跨视角一致性和伪影。结果：合成乳腺X线片的 IoU 和 DSC 分布与真实图像相当，EMD 和 KS 值分别为 0.020 和 0.077。使用求和或绝对差编码的模型在 IoU 和 DSC 上优于其他模型（p < 0.001），尽管分布仍较相似。生成的 CC 和 MLO 视图保持了跨视角一致性，6%至8%的合成图像显示出与训练数据中一致的伪影。结论：三通道 DDPM 可生成真实且解剖上一致的双视角乳腺X线片，具有数据增强的广泛前景。
引用
@article{arxiv.2511.22759,
title = {MammoRGB: Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models},
author = {Jorge Alberto Garza-Abdala and Gerardo A. Fumagal-González and Daly Avendano and Servando Cardona and Sadam Hussain and Eduardo de Avila-Armenta and Jasiel H. Toscano-Martínez and Diana S. M. Rosales Gurmendi and Alma A. Pedro-Pérez and Jose Gerardo Tamez-Pena},
journal= {arXiv preprint arXiv:2511.22759},
year = {2025}
}