通过频率引导扩散模型进行零射线医疗图像翻译.
IEEE transactions on medical imaging
|October 18, 2023
概括
一种新的频率引导扩散模型 (FGDM) 在医学图像翻译中保留了解剖结构. 这种模型可以实现零射击学习,在没有配对训练数据的情况下实现卓越的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 扩散模型擅长生成现实的图像,但在医学图像翻译中难以保存结构信息.
- 在扩散过程中失去解剖细节可能导致诊断错误.
- 配对训练数据是昂贵的,并限制了模型的稳定性.
研究的目的:
- 开发一种新的扩散模型,用于结构保存的医学图像翻译.
- 为了实现零射击学习能力,减少对配对数据的依赖.
- 提高医学图像合成的准确性和可靠性.
主要方法:
- 提出了一种使用频域过器的频率引导扩散模型 (FGDM).
- 实施零射击学习方法,只对目标域数据进行培训.
- 在形光束CT (CBCT) 到CT和MR成像翻译任务上评估了FGDM.
主要成果:
- 在FID,PSNR和SSIM指标方面,FGDM的表现优于最先进的方法 (GAN,VAE,扩散).
- 在零拍摄医疗图像翻译方面展示了显著的优势.
- 在各种成像方式和解剖部位上成功保存了解剖结构.
结论:
- FGDM提供了一个强大的解决方案,用于结构保存医疗图像翻译.
- 零射击能力使该模型具有高度适应性,并降低了数据采集负担.
- FGDM代表了医疗成像应用的生成模型的重大进步.


