基于无标签分割与无训练图像翻译的头皮诊断系统
计算机视觉与模式识别
2025-09-16 v3
摘要
头皮疾病在全球范围内高度发病，但因获取专家评估有限和标注成本高，导致诊断率低。尽管 AI 方法前景广阔，但实际部署受到严重数据不平衡和缺乏像素级分割标签等挑战的制约。为此，我们提出了 ScalpVision 系统，用于综合性诊断头皮疾病。在 ScalpVision 中，借助伪图像标签对和创新的提示方法，在无需传统头发掩模标签的情况下实现有效的发际分割。此外，ScalpVision 引入 DiffuseIT-M 生成模型用于数据增强，同时保留头发信息，从而提高对头皮病情严重程度的预测准确性。我们的实验结果确认 ScalpVision 在诊断多种头皮疾病方面的高效性，展示了其在皮肤科护理中作为有价值工具的潜力。我们的代码已公开于 https://github.com/winston1214/ScalpVision。
引用
@article{arxiv.2406.17254,
title = {Scalp Diagnostic System With Label-Free Segmentation and Training-Free Image Translation},
author = {Youngmin Kim and Saejin Kim and Hoyeon Moon and Youngjae Yu and Junhyug Noh},
journal= {arXiv preprint arXiv:2406.17254},
year = {2025}
}
备注
Accepted to MICCAI 2025(https://papers.miccai.org/miccai-2025/0806-Paper5080.html), Project page: https://0110tpwls.github.io/scalpvision25/