何为健康？用于病灶定位的生成式反事实扩散模型
计算机视觉与模式识别
2022-07-26 v1 人工智能
摘要
由于成本限制，减少医学图像分割中对密集标注掩码的需求十分重要。本文中，我们考虑仅使用图像级标签进行训练来推断脑病灶像素级预测的问题。通过利用生成式扩散概率模型（DPM）的最新进展，我们合成“若 X 病理不存在，患者会呈现何种状态？”的反事实。观测患者状态与健康反事实之间的差异图像可用于推断病理位置。我们生成对应于输入最小改变、从而被转换至健康域的反事实。这需要在 DPM 中使用健康与不健康数据进行训练。我们通过以隐式引导结合注意力条件操纵生成过程，而非使用分类器，改进了先前的反事实 DPM。代码可在 https://github.com/vios-s/Diff-SCM 获取。
引用
@article{arxiv.2207.12268,
title = {What is Healthy? Generative Counterfactual Diffusion for Lesion Localization},
author = {Pedro Sanchez and Antanas Kascenas and Xiao Liu and Alison Q. O'Neil and Sotirios A. Tsaftaris},
journal= {arXiv preprint arXiv:2207.12268},
year = {2022}
}
备注
Accepted at the Deep Generative Models workshop at MICCAI 2022