配对扩散：基于联合去噪扩散概率模型生成相关的合成 PET-CT-分割扫描
图像与视频处理
2024-03-27 v1 计算机视觉与模式识别
摘要
人工智能在生物医学成像和放射治疗中的快速发展受限于大规模影像数据储存库的稀缺。尽管近期在去噪扩散概率模型（DDPM）方面的研究和改进使得高质量合成医学扫描成为可能，但目前尚无方法能够生成多个相关图像，例如可用于训练模型的对应的ground truth。在实际使用前，合成扫描常需进行人工标注。本研究引入一种新型架构，能够通过配对网络和条件编码器生成多个相关的 PET-CT-肿瘤掩码对。我们的方法包含创新的时间步骤控制机制和“噪声种子”策略，以提高DDPM采样一致性。虽然模型需要修改感知损失函数以确保特征对齐，但我们展示了清晰对齐的合成图像生成，以及使用生成图像提高分割精度的效果。
引用
@article{arxiv.2403.17734,
title = {Paired Diffusion: Generation of related, synthetic PET-CT-Segmentation scans using Linked Denoising Diffusion Probabilistic Models},
author = {Rowan Bradbury and Katherine A. Vallis and Bartlomiej W. Papiez},
journal= {arXiv preprint arXiv:2403.17734},
year = {2024}
}
备注
to be published in IEEE International Symposium on Biomedical Imaging 2024