WDM：用于高分辨率医学图像合成的3D小波扩散模型
图像与视频处理
2024-10-15 v2 计算机视觉与模式识别
摘要
由于CT或MR扫描的三维性质，医学图像的生成模型具有挑战性。现有方法大多采用局部、切片或级联生成技术，将高维数据适应有限的GPU内存。然而，这些方法可能引入人工干扰，并可能限制其在某些下游任务中的适用性。本文提出了WDM（Wavelet-based Diffusion Model），一种基于小波分解医学图像的扩散模型框架。该方法简单有效，能够将3D扩散模型扩展到高分辨率，并可在单块40GB GPU上训练。在BraTS和LIDC-IDRI数据集上进行的无条件图像生成实验显示，在128×128×128分辨率下，本方法在图像保真度（FID）和样本多样性（MS-SSIM）方面均达到与最新GAN、扩散模型和潜在扩散模型相比的状态机械水平。我们的方法是唯一能够在256×256×256分辨率下生成高质量图像的， outperforms all comparing methods。
引用
@article{arxiv.2402.19043,
title = {WDM: 3D Wavelet Diffusion Models for High-Resolution Medical Image Synthesis},
author = {Paul Friedrich and Julia Wolleb and Florentin Bieder and Alicia Durrer and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2402.19043},
year = {2024}
}
备注
Accepted at DGM4MICCAI 2024. Project page: https://pfriedri.github.io/wdm-3d-io Code: https://github.com/pfriedri/wdm-3d