用于生物医学光学图像恢复的步长校准扩散模型
图像与视频处理
2024-12-19 v4 计算机视觉与模式识别
摘要
高质量、高分辨率的医学成像对临床护理至关重要。基于 Raman 的生物医学光学成像使用非电离红外辐射实时评估人体组织，并用于早期癌症检测、脑肿瘤诊断和术中组织分析。遗憾的是，由于激光散射和吸收，光学成像容易发生图像退化，这可能导致诊断错误和治疗不当。光学图像恢复是一项具有挑战性的计算机视觉任务，因为图像退化的来源是多因素的、随机的且依赖于组织的，阻碍了获取成对低质量/高质量数据的直接方法。在此，我们提出了 Restorative Step-Calibrated Diffusion (RSCD)，这是一种非成对的基于扩散的图像恢复方法，它使用步长校准器模型来动态确定完成用于图像恢复的反向扩散过程所需的步数。在恢复光学图像方面，RSCD 在图像质量和感知评估指标上均优于其他广泛使用的非成对图像恢复方法。医学成像专家在盲法对比实验中始终偏好使用 RSCD 恢复的图像，并报告极少或没有幻觉。最后，我们表明 RSCD 提高了下游临床成像任务的性能，包括自动脑肿瘤诊断和深层组织成像。我们的代码可在 https://github.com/MLNeurosurg/restorative_step-calibrated_diffusion 获取。
引用
@article{arxiv.2403.13680,
title = {Step-Calibrated Diffusion for Biomedical Optical Image Restoration},
author = {Yiwei Lyu and Sung Jik Cha and Cheng Jiang and Asadur Chowdury and Xinhai Hou and Edward Harake and Akhil Kondepudi and Christian Freudiger and Honglak Lee and Todd C. Hollon},
journal= {arXiv preprint arXiv:2403.13680},
year = {2024}
}