用于合成脑血管的形状引导条件潜在扩散模型
图像与视频处理
2023-08-15 v1 计算机视觉与模式识别
摘要
Willis 环（CoW）是负责向大脑供血的脑血管部分。理解 CoW 多样的解剖变异与构型对于推进脑血管疾病研究与完善临床干预至关重要。然而，由于少数常见构型占主导，对较罕见 CoW 变异的全面研究仍然困难。我们提出一种新颖的生成方法，利用带形状与解剖引导的条件潜在扩散模型来生成逼真的 3D CoW 分割，包括不同表型变异。我们的条件潜在扩散模型引入形状引导以更好保持血管连续性，并展现出优于替代生成模型的性能，包括 3D GAN 与 3D VAE 的条件变体。我们观察到，所生成 CoW 变体比竞争方法更逼真且具更高视觉保真度，其 FID 分数比性能最佳的基于 GAN 的模型优 53%。
引用
@article{arxiv.2308.06781,
title = {Shape-guided Conditional Latent Diffusion Models for Synthesising Brain Vasculature},
author = {Yash Deo and Haoran Dou and Nishant Ravikumar and Alejandro F. Frangi and Toni Lassila},
journal= {arXiv preprint arXiv:2308.06781},
year = {2023}
}