Apr, 2023

使用无条件生成扩散先验完成零样本 CT 视野

PDF
TL;DR利用预先训练的无条件生成扩散先验的零样本方法，可以恢复任意形状的 CT 图像截断，从而实现解剖学上一致的体截面恢复和皮下脂肪组织测量误差的减小。
field-of-view completioncomputed tomographygenerative diffusion priortruncation patternanatomically consistent
发现论文，激发创造
  • 基于扩散的生成图像超出辐射场截断 CT 图像恢复技术

    应用生成图像修复方法对缺失部分的 CT 切片进行修复，来恢复被截断的胸部 CT 扫描图像以实现准确的体组成分析，该方法通过小 FOV 仿真生成截断 CT 切片进行训练，从而可靠地恢复被截断的解剖结构并在训练数据量减少的情况下超越之前的最新技术。

    Jun, 2024

  • 通过深度生成模型扩展扩散磁共振成像的视场

    本研究旨在开发一种方法，通过使用已有的具有不完整视野的扩散磁共振成像扫描文件中的缺失切片，来恢复完整视野。实验结果表明，该方法能够改善整个大脑线索成像，修复受损数据，并在分析与阿尔茨海默病相关的组束时减少不确定性。

    May, 2024

  • 通过频率引导扩散模型实现零样本医学图像翻译

    使用频域滤波器来指导扩散模型，以实现结构保留图像翻译的频率引导扩散模型（FGDM），同时在医学图像翻译中具有零样本学习的能力。 该模型在结构保留医学图像翻译任务中具有良好的性能。

    Apr, 2023

  • 利用现成的扩散模型进行医学术语定位

    使用潜在扩散模型在零样本的情况下，通过选择特征和后处理进行文本引导的医学扫描的定位，相比于显式对齐图像与文本的联合嵌入空间的最新方法表现出竞争力并在多种病理类型上优于它们。

    Apr, 2024

  • 零样本点云完整性基于二维先验

    通过利用 2D 先验和点渲染技术，提出一个零样本的框架，用于完成部分观测到的点云，实验结果表明该方法能够优于现有方法并完成各种对象的形状恢复。

    Apr, 2024

  • 零射线距离，并行带鉴别力模型的视场条件扩散

    使用一种通用的、无任务依赖的扩散模型，采用对数尺度深度参数化来联合建模室内和室外场景，通过视野的条件处理尺度模糊，通过训练中合成视野的方法来推广到训练数据中较有限的相机内参，通过使用更多样化的训练混合和有效的扩散参数化，我们的方法 DMD（Diffusion for Metric Depth）相对误差（REL）在零样本室内数据集上减少 25%，在零样本室外数据集上减少 33%，只使用了少量去噪步骤。

    Dec, 2023

  • 超越传统限制：生成对抗网络在超声成像中的应用

    这篇论文介绍了一种基于条件生成对抗网络 (cGANs) 的新型 TTE 超声成像方法，名为 echoGAN，通过外延技术增强 TTE 超声成像的可视区域，同时保持高分辨率，从而有望在无创心脏导航和诊断领域取得显著进展。

    May, 2024

  • 扩展视场的多源变换计算机体层摄影分析重建：一项研究

    研究在扩展的视野下，采用两种策略实现多源平移计算机体层摄影的高质量分析重建，分别为无权 D-BPF 和全扫描 mSTCT 引入 BPF 以平衡误差。

    May, 2023

  • FoVA-Depth: 面向场景视角无关的深度估计 用于跨数据集泛化

    我们提出了一种在大视场摄像机数据上训练立体深度估计模型的方法，并能够推广到具有更大视场的数据。我们通过将训练数据变换为规范的大视场表示，并进行扩充，使单个网络能够推理出各种类型的扭曲，从而展示了我们方法在室内外数据集上的强大泛化能力，而这在以前的方法中是不可能的。

    Jan, 2024

  • 纵向单层腹部计算机断层扫描调和的深度条件生成模型

    通过使用 C-SliceGen 生成预定义的椎体水平切片，从而解决了不同年份获取的切片之间的位置变化导致不同器官 / 组织被捕捉到的问题，并通过评估我们的方法在多个数据集上的能力，证实了我们的方法在减少体腔脂肪面积方面可以协调纵向位置方差，为单片纵向分析提供了一个有希望的方向。

    Sep, 2023