重新思考基于扩散的图像生成器：有限数据下的眼底荧光血管造影合成

眼底成像是眼科中的关键工具，不同的成像模态具有独特的优势。例如，眼底荧光血管造影（FFA）可以准确识别眼部疾病。然而，传统的侵入性FFA涉及注射荧光素钠，可能导致不适和风险。从非侵入性眼底图像生成相应的FFA图像具有重要的实际价值，但也面临挑战。首先，有限的数据集限制了模型的性能和有效性。其次，先前的研究主要集中在为单一疾病或单一模态生成FFA，通常导致对各种眼科疾病患者的表现不佳。为了解决这些问题，我们提出了一个基于潜在扩散模型的新框架Diffusion，该框架引入了一种微调协议来克服有限医学数据的挑战，并释放扩散模型的生成能力。此外，我们设计了一种新方法来应对跨不同模态和疾病类型生成的挑战。在有限数据集上，与现有方法相比，我们的框架实现了最先进的结果，为增强眼科诊断和患者护理提供了巨大潜力。我们的代码将很快发布，以支持该领域的进一步研究。