面向医学图像分割的结构与进展感知扩散
计算机视觉与模式识别
2026-03-10 v1
摘要
医学图像分割是计算机辅助诊断的关键技术，需同时理解目标的粗糟形态学与语义结构，以及精细边界的切割。医学图像中的形态学与语义结构是有益且稳定的线索，有助于目标理解。然而，靶区域的细边(如肿瘤和病灶)通常含糊且噪声较大，由于病灶重叠、标注不确定性等因素，难以作为早期监督。尽管如此，现有方法在训练过程中同时学习粗糟结构与细边界。本文提出一种结构与进展感知扩散(SPAD)用于医学图像分割，包括语义集中扩散(ScD)和边界中心化扩散(BcD)，并由进展感知调度器(PaS)调制。具体而言，语义集中扩散引入锚定保留目标扰动，对医学靶区域内的像素进行扰动，但保留未改变的区域作为语义锚点，鼓励模型从周围语义上下文推断噪声靶区域。边界中心化扩散引入进展感知边界噪声，对不可靠且含糊的边界进行模糊处理，从而迫使模型关注粗糟但稳定的解剖形态和全局语义。此外，进展感知调度器逐步调节ScD和BcD的噪声强度，形成粗到细的扩散范式，鼓励在早期目标理解阶段关注粗糟的形态学与语义结构，并在后期轮廓调整阶段逐渐转向细节靶边界。
引用
@article{arxiv.2603.07889,
title = {Structure and Progress Aware Diffusion for Medical Image Segmentation},
author = {Siyuan Song and Guyue Hu and Chenglong Li and Dengdi Sun and Zhe Jin and Jin Tang},
journal= {arXiv preprint arXiv:2603.07889},
year = {2026}
}