自相一致的递归扩散桥用于医学图像翻译
Fuat Arslan1, Bilal Kabas1, Onat Dalmaz1
1Department of Electrical and Electronics Engineering, Bilkent University, Ankara 06800, Turkey; National Magnetic Resonance Research Center (UMRAM), Bilkent University, Ankara 06800, Turkey.
Medical image analysis
|August 6, 2025
概括
一种新方法,SelfRDB,通过在扩散过程中直接使用源图像来改善医疗图像翻译,克服了标准无色化扩散模型 (DDM) 的局限性,以获得更好的质量.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 图片翻译 图片翻译 图片翻译
背景情况:
- 由于其稳定性和保真性,除菌扩散模型 (DDM) 在医学图像翻译方面表现有前途.
- 然而,DDMs可能会在低于最佳的源模式指导下扎,这会影响医疗图像翻译任务的性能.
- 这是因为它们的消毒过程与所需的直接源到目标转换有所不同.
研究的目的:
- 引入一种新的自我一致的递归扩散桥梁 (SelfRDB),用于增强医疗图像翻译.
- 通过结合直接源模式指导来解决医疗图像翻译中标准DDM的性能限制.
- 为了提高跨模式医学图像翻译的图像质量和稳定性.
主要方法:
- SelfRDB使用了一种新的前向扩散过程,从目标图像开始,并根据源图像结束.
- 一个独特的噪声调度与单调地增加向终点的偏差,促进了跨模式信息传输.
- 一个递归采样程序细化目标图像的估计,直到实现一个自我一致的解决方案.
主要成果:
- SelfRDB在医疗图像翻译任务中展示了最先进的性能.
- 多对比MRI和MRI-CT翻译的实验证实了优越的图像质量.
- 拟议的方法显示了对测量噪声的更好的稳定性.
结论:
- SelfRDB在医疗图像翻译方面比标准的DDM提供了显著的进步.
- 直接来源模式指导和新的传播策略提高了翻译准确性和图像准确性.
- 该方法有可能改进需要跨模式转换的各种医学成像应用.
