基于不确定性引导的暗场射线影像生成
机器学习
2026-01-23 v1 计算机视觉与模式识别
摘要
X射线暗场射线摄影通过可视化由小角散射引起的微结构组织变化，为传统的衰减成像提供了补充诊断信息。然而，此类数据的有限可用性给开发鲁棒的深度学习模型带来了挑战。在本工作中，我们提出了首个利用不确定性引导的渐进式生成对抗网络，直接从标准衰减胸部X光片生成暗场图像的框架。该模型融合了偶然不确定性和认知不确定性，以提高可解释性和可靠性。实验表明，生成的图像具有高结构保真度，且各阶段的定量指标持续改善。此外，分布外评估证实了所提模型具有良好的泛化能力。我们的结果表明，不确定性引导的生成建模能够实现逼真的暗场图像合成，并为未来的临床应用提供了可靠基础。
引用
@article{arxiv.2601.15859,
title = {Uncertainty-guided Generation of Dark-field Radiographs},
author = {Lina Felsner and Henriette Bast and Tina Dorosti and Florian Schaff and Franz Pfeiffer and Daniela Pfeiffer and Julia Schnabel},
journal= {arXiv preprint arXiv:2601.15859},
year = {2026}
}