Jun, 2023

TauPETGen: 基于潜在扩散模型的文本条件下 Tau PET 影像合成

PDF
TL;DR本文提出了一种基于文本的图像合成技术，利用主题的 MR 映像和文字描述来生成逼真的 tau PET 影像，该方法基于潜在扩散模型。利用身体图像提供解剖细节，而文本描述可以提供有关 tau 神经纤维缠结可能沉积的位置的指导，初步的实验结果证明了该方法生成真实的 tau PET 影像的可行性。
发现论文，激发创造
  • TauAD: 基于条件扩散模型的 PET 成像无需 MRI 的 Tau 异常检测

    通过提出一种新颖的条件扩散模型，从 tau PET 成像数据中进行无 MRI 异常检测，并通过训练支持向量机（SVM）对疾病严重程度进行分类，该方法在 AD 患者和亚临床受试者中表现出高准确性和生物相关性。

    May, 2024

  • 基于条件生成对抗网络的结构性 MRI 三维淀粉样蛋白质 PET 合成

    开发一种 3D 图像转换模型，能够从 T1 加权 MRI 合成淀粉样蛋白 PET 图像，通过模型训练和验证，证明了从结构性 MRI 图像中合成淀粉样蛋白 PET 图像的可行性，大大提高了大型队列研究和早期痴呆症检测的可访问性，同时降低成本、侵入性和辐射暴露。

    May, 2024

  • 跨模态三维图像合成的循环 2.5D 感知损失：T1 MRI 到 Tau-PET

    阿尔茨海默病（AD）是最常见的痴呆症，其特征是认知能力下降和 tau 蛋白等生物标志物。使用神经网络进行图像合成，可以从易获取的 T1 加权磁共振成像（MRI）图像生成 tau-PET 图像。通过使用 2.5D 感知损失和均方差与结构相似性指数度量的损失结合，能够保证高质量的图像合成。

    Jun, 2024

  • DUAL-GLOW：用于模态转换的条件流式生成模型

    本文介绍了采用基于流的生成模型从 MRI 数据中生成 PET 图像的新框架：DUAL-GLOW，该框架依赖于两个可逆网络和一个关系网络，它们能够在小样本大小的情况下表现出色，并且还将该框架扩展到当可用 “side” 信息时支持，我们在 Alzheimers Disease Neuroimaging Initiative (ADNI) 数据集上进行实验，在合成 PET 图像方面表现出色，从年龄方面控制的 PET 生成效果也很好。

    Aug, 2019

  • 通过结构 MRI 从正中磁面 PET 合成淀粉样蛋白 β: 一种用于阿尔茨海默病筛查的图像翻译方法

    论文通过实现图像转换模型从结构 MRI 生成合成的 Amyloid-beta PET 图像，结果表明合成的 PET 图像在形状、对比度和整体高 SSIM 和 PSNR 等方面与真实图像具有高度相似性，并证明了通过结构到定量图像转换可从仅有的 MRI 获取 Amyloid-beta 信息的可行性。

    Sep, 2023

  • 寻找咒语：通过提示工程实现精确的文本到图像扩散合成

    通过 prompt 学习，我们提出了一种学习扩散模型适当文本描述的框架，通过利用预训练扩散模型导出的质量指导和语义指导，我们的方法可以有效地学习提示，从而提高输入文本和生成图像之间的匹配。通过广泛的实验和分析，验证了所提方法的有效性。

    Jan, 2024

  • MediSyn: 用于广泛医学 2D 和 3D 图像合成的文本引导扩散模型

    通过生成逼真且多样化的医学 2D 和 3D 图像，基于指令的文本导向潜在扩散模型 MediSyn 为算法的训练和研究提供了一个丰富且尊重隐私的资源，并通过已建立的指标展示了在医学图像和视频综合中以文本提示为导向的显著改进。

    May, 2024

  • MedSynV1：基于文本引导的解剖感知高保真度 3D CT 图像合成

    基于文本信息和解剖组成的方法生成基于文本提示的图像，并应用于多种下游任务。

    Oct, 2023

  • 基于文本的图像到图像翻译的即插即用扩散特征

    研究使用空间特征和自我关注来实现生成图片结构的微调，并将其用于文本到图像合成中，从而实现图像到图像转换。

    Nov, 2022

  • 使用扩散模型增强场景文本检测器的真实文本图像合成

    通过扩充背景与前景文字的整合，Diffusion Model based Text Generator (DiffText) 创造了一种能生成真实文本图像并优化文本探测器性能的新型合成数据集方法。

    Nov, 2023