膝骨关节炎的时序演化：基于扩散的X射线医学图像合成形变模型

膝骨关节炎（KOA）是一种常见的肌肉骨骼疾病，显著影响老年人的行动能力。在医学领域，包含时序数据的图像被广泛用于研究时序动态和统计监测疾病进展。虽然基于深度学习的自然图像生成模型已被广泛研究，但用于合成时序膝部X射线的方法相对较少。在本工作中，我们提出了一种新型深度学习模型，用于在特定患者的健康膝部与重度KOA阶段之间合成中间X射线图像。在测试阶段，基于健康膝部X射线，所提出的模型可以生成具有不同程度严重性的连续有效的KOA X射线图像序列。具体而言，我们通过修改去噪扩散概率模型引入了一种基于扩散的形变模型。我们的方法整合了扩散模块和形变模块，使模型能够捕捉源与目标膝部X射线图像之间的空间形变细节，并沿测地线路径合成中间帧。采用扩散损失、形变损失和监督损失的混合损失。我们证明所提出的方法实现了最高的时序帧合成性能，有效地为分类模型扩充数据并模拟KOA的进展。