MedSegDiffNCA：结合扩散模型与神经细胞自动机的皮肤病变分割
计算机视觉与模式识别
2025-01-07 v1 机器学习
图像与视频处理
摘要
去噪扩散模型 广泛用于高质量图像生成和医学图像分割，但通常依赖于基于 Unet 的架构，导致高计算开销，在处理高分辨率图像时尤为明显。本研究提出了三项基于 NCA 的改进，用于基于扩散模型的医学图像分割。首先，Multi-MedSegDiffNCA 使用多级 NCA 框架来细化由较低级别 NCA 模型生成的粗略噪声估计。其次，CBAM-MedSegDiffNCA 引入通道和空间注意力以改善分割效果。第三，MultiCBAM-MedSegDiffNCA 将这些方法与一种新的 RGB 通道损失相结合，以提供语义指导。在病变分割上的评估表明，MultiCBAM-MedSegDiffNCA 在使用少 60-110 倍参数的情况下，达到了与基于 Unet 的模型相当的性能，Dice 得分为 87.84%，为低资源医疗环境提供了更高效的解决方案。
引用
@article{arxiv.2501.02447,
title = {MedSegDiffNCA: Diffusion Models With Neural Cellular Automata for Skin Lesion Segmentation},
author = {Avni Mittal and John Kalkhof and Anirban Mukhopadhyay and Arnav Bhavsar},
journal= {arXiv preprint arXiv:2501.02447},
year = {2025}
}
备注
5 pages, 3 figures