Surf-CDM:用于医学图像分割的基于分数的表面冷扩散模型
图像与视频处理
2023-12-21 v1 计算机视觉与模式识别
摘要
扩散模型在图像生成方面展现出了出色的性能,往往优于其他生成模型。自其提出以来,研究人员已将这种强大的从噪声到图像的去噪流程扩展至包括图像分割在内的判别性任务中。在本工作中,我们提出了一种用于医学图像分割的条件基于分数的生成建模框架,该框架依赖于分割掩膜的参数化表面表示。表面重参数化允许直接应用标准扩散理论,而二值掩膜表示则不然。此外,我们采用了一种被称为“冷扩散”的扩散技术扩展变体,其中扩散模型可以用确定性扰动而非高斯噪声来构建,这显著加快了反向扩散的收敛速度。我们在65个经胸超声心动图视频(2230帧超声图像)的左心室分割上评估了我们的方法,并将其性能与最流行和广泛使用的图像分割模型进行了比较。我们提出的模型不仅在分割精度上优于所比较的方法,而且由于其固有的生成特性,在估计分割不确定性以供进一步下游分析方面也展现了潜力。
引用
@article{arxiv.2312.12649,
title = {Surf-CDM: Score-Based Surface Cold-Diffusion Model For Medical Image Segmentation},
author = {Fahim Ahmed Zaman and Mathews Jacob and Amanda Chang and Kan Liu and Milan Sonka and Xiaodong Wu},
journal= {arXiv preprint arXiv:2312.12649},
year = {2023}
}
备注
5 pages, 5 figures, conference