PGDiffSeg: 基于先验引导与参数共享注意力的去噪扩散模型用于乳腺癌分割
图像与视频处理
2024-10-24 v1 人工智能
计算机视觉与模式识别
摘要
通过影像学进行早期检测和准确诊断对于降低乳腺癌的高死亡率至关重要。然而，从低分辨率、高噪声的医学图像中定位肿瘤极具挑战性。因此，本文提出了一种新颖的PGDiffSeg（Prior-Guided Diffusion Denoising Model with Parameter-Shared Attention），它将扩散去噪方法应用于乳腺癌医学图像分割，从高斯噪声中精确恢复病灶区域。首先，我们设计了一个用于噪声处理和语义信息处理的并行流水线，并在多层中提出了一个参数共享注意力模块（PSA），将这两个流水线无缝集成。这种集成使PGDiffSeg能够在去噪过程中融入多层次的语义细节，从而生成高度精确的分割图。其次，我们引入了一种引导策略，利用先验知识模拟医疗专业人员的决策过程，从而增强模型精确定位肿瘤位置的能力。最后，我们首次在乳腺癌分割背景下讨论了生成式扩散模型的可解释性。大量实验表明，我们的模型优于当前最先进的方法，证实了其作为一种适用于医学图像研究的灵活扩散去噪方法的有效性。我们的代码将在稍后公开。
引用
@article{arxiv.2410.17812,
title = {PGDiffSeg: Prior-Guided Denoising Diffusion Model with Parameter-Shared Attention for Breast Cancer Segmentation},
author = {Feiyan Feng and Tianyu Liu and Hong Wang and Jun Zhao and Wei Li and Yanshen Sun},
journal= {arXiv preprint arXiv:2410.17812},
year = {2024}
}