Dec, 2023

基于级联扩散模型的组织病理学千亿像素图像合成

PDF
TL;DR该研究通过超高分辨率级联扩散模型（URCDM）合成高分辨率图像，实现在不同放大级别上既保持真实性又保持长距离空间一致性，并通过对比分析和人工专家评估表明，该模型在病理组织学图像诊断中优于现有方法。
histopathology imageswhole slide imagesultra-resolution cascaded diffusion modelspfid-50k scorehuman expert evaluation study
发现论文，激发创造
  • WDM: 高分辨率医学图像合成的三维小波扩散模型

    利用基于小波的医学图像合成框架的扩散模型，可以在高分辨率下生成高质量的医学图像。

    Feb, 2024

  • 加速的条件扩散模型用于单图超分辨率

    本研究提出了一种名为 ACDMSR（accelerated conditional diffusion model for image super-resolution）的新型扩散模型，通过预先训练的 SR 模型提供给定 LR 图像的条件图像来实现优秀的超分辨率结果，从而在可实践的场景中生成更具视觉逼真感的低分辨率图像。

    Jul, 2023

  • 基于扩散的千兆像素尺度组织病理全切片图像生成

    用新的扩散性方法生成合成的病理全层切片图像，可以增强计算病理学应用的性能，并且无需数据注释即可学习全层切片图像的表征。

    Nov, 2023

  • 金字塔扩散模型的超高分辨率图像合成

    Pyramid Diffusion Model (PDM) 通过金字塔潜在表示提供了更广泛的设计空间，以实现超高分辨率图像合成，结合空间通道注意力和 Res-Skip 连接，以及谱范数和递减的 Dropout 策略，使得 PDM 在生成任务方面具有更强的能力，首次成功合成了 2K 分辨率的图像。

    Mar, 2024

  • 高分辨率视频生成的分层补丁扩散模型

    扩散模型在图像和视频合成方面表现出了卓越的性能，但将其扩展到高分辨率输入是具有挑战性的，并且需要将扩散流程重组为多个独立组件，限制了可伸缩性并复杂化了下游应用。

    Jun, 2024

  • 在级联扩散模型中缓解稀疏视图 CT 重建引起的数据一致性差异

    稀疏视图计算机断层扫描（CT）图像重建是一种重要方法，可以降低辐射暴露，但必然导致图像质量下降。本研究引入了一种新的级联扩散与差异缓解（CDDM）框架，包括潜空间中的低质量图像生成和像素空间中的高质量图像生成，在一个步骤的重建过程中实现了数据一致性和差异缓解。级联框架通过将一些推理步骤从像素空间移动到潜空间，从而降低了计算成本。差异缓解技术解决了由数据一致性引起的训练 - 采样差距问题，确保数据分布接近原始流形。本研究还采用了专用的交替方向乘法器方法（ADMM）来处理图像梯度，提供了一种更有针对性的正则化方法。两个数据集上的实验结果表明，与现有方法相比，CDDM 在高质量图像生成方面具有更清晰的边界，并突出了该框架的计算效率。

    Mar, 2024

  • 级联扩散模型用于高保真图像生成

    通过级联扩散模型和条件增强，我们成功的在 class-conditional ImageNet generation benchmark 上生成了高保真图像，并取得了优越的 FID scores 和分类精度。

    May, 2021

  • 语义扩散模型生成肺结节病变图像高保真合成

    利用语义扩散模型生成高保真度肺部 CT 图像扩充数据集，并在肺结节检测和定位任务中展现了优异性能。

    May, 2023

  • 医学图像翻译的串联多路径快捷扩散模型

    提出了一种级联多路径快捷扩散模型（CMDM），用于高质量医学图像翻译和不确定性估计，能够产生与最先进方法相媲美的高质量翻译，并提供与翻译误差相关的合理不确定性估计。

    Apr, 2024

  • 具有 2D 监督的生物医学图像超分辨率

    通过利用高分辨率 2D 显微镜数据，我们引入了用于超分辨率的遮蔽切片扩散（MSDSR）方法，该方法克服了传统方法在不同方向上的依赖性，并增强了体积生物医学显微镜检测的质量、分辨率，以及应用于临床诊断和生物医学研究中的障碍。

    Apr, 2024