基于潜在扩散模型的超声图像生成
计算机视觉与模式识别
2025-02-13 v1
摘要
扩散模型用于图像生成正日益受到关注，因为其能够生成多样且高质量的图像。图像生成在医学影像中具有巨大的潜力，因为与自然图像相比，开源医学影像难以获取，尤其是对于罕见疾病。生成的图像可用于后续训练分类和分割模型。本文提出通过对大型扩散模型在不同公开数据库上进行连续精细调校来模拟逼真的超声（US）图像。为此，我们在乳腿超声图像数据集 BUSI（乳腿 US 图像）上对 Stable Diffusion 进行了微调，这是一种领先的潜在扩散模型。我们成功生成了乳腺部位的高质量 US 图像，使用简单提示指定器官和病理，生成的图像对三位经验丰富的 US 科学家和一位 US 放射科医生都显得真实。此外，我们通过 ControlNet 对模型进行条件化，提供用户控制。我们将在 http://code.sonography.ai/ 公开源代码，以便将来社区快速生成 US 图像。
引用
@article{arxiv.2502.08580,
title = {Ultrasound Image Generation using Latent Diffusion Models},
author = {Benoit Freiche and Anthony El-Khoury and Ali Nasiri-Sarvi and Mahdi S. Hosseini and Damien Garcia and Adrian Basarab and Mathieu Boily and Hassan Rivaz},
journal= {arXiv preprint arXiv:2502.08580},
year = {2025}
}
备注
6 pages conference paper for SPIE medical imaging