Dec, 2023

利用扩散模型加快光声成像速度

PDF
TL;DR通过使用扩散模型，利用 “DiffPam” 算法来加速光声成像过程。研究发现 DiffPam 在重构欠采样的光声显微镜图像方面具有可比性，并且无需大量数据集或深度学习模型的训练。这项研究强调了对具有有限人工智能专业知识和计算资源的研究人员来说，DiffPam 算法的重要性。
photoacoustic microscopydiffpam algorithmdiffusion modelscomputational methodsundersampled pam images
发现论文，激发创造
  • 基于评分的扩散模型在光声断层成像重建中的应用

    使用基于得分的扩散模型解决有限 PAT 测量下的图像重建问题，通过学习模拟血管结构的表达先验，保持对变化的传感器稀疏条件的鲁棒性。

    Mar, 2024

  • 基于扫描先验的旋转扫描光声显微镜图像超分辨率

    该研究介绍了一种新颖且性能优越的超分辨率框架，用于基于旋转扫描的光声显微镜成像，实验结果在合成和真实数据集上量化和定性地证明了该框架的有效性和通用性。

    Dec, 2023

  • 使用扩散概率模型进行深超声波降噪

    本研究提出了一种基于 DDPM 的无监督去噪方法，可改善超声图像的质量并保留散斑纹理特征，在泛化对比噪声比和噪声峰值信噪比方面优于以往方法。

    Jun, 2023

  • 超越模拟：使用组织仿生幻影的数据驱动定量光声成像

    该研究介绍了制备成像模型，使光吸收系数的恢复通过深度学习和实验数据来减少证明了深度学习能够提高量化光声成像的可行性。

    Jun, 2023

  • 金字塔扩散模型用于低光图像增强

    本文提出了一种金字塔扩散模型（PyDiff）用于低光图像增强，该模型使用一种新颖的金字塔扩散方法进行采样，同时引入全局校正器以减轻可能出现的全局降级现象，大大提高了性能并使扩散模型的训练更加容易，具有良好的通用性。

    May, 2023

  • 超声图像重建的快速采样生成模型

    利用新型采样框架和先进的扩散模型，我们提出了一种从射频数据中重建图像的方法，以加速高质量图像的生成过程。通过实验评估，我们的方法在单平面波条件下胜过了具有 75 个平面波空间相干合成的传统延迟和求和 (DAS) 技术。

    Dec, 2023

  • 基于扩散概率模型的深度紫外荧光图像乳腺癌自动检测的深度学习

    本文使用扩散概率模型（DPM）来增强深紫外荧光（DUV）图像数据集，以改进乳腺癌分类的手术切缘评估，结果显示使用 DPM 显著提高 DUV 图像中的乳腺癌检测性能。

    Jul, 2024

  • 2.5D 多视角平均扩散模型用于 3D 医学图像翻译：应用于无 CT 衰减校正的低计数 PET 重建

    使用新型的 2.5D 多视角平均扩散模型 (MADM) 进行 3D 图像转换，从非衰减校正低剂量 PET (NAC-LDPET) 到校正衰减标准剂量 PET (AC-SDPET)，实现高质量的 3D 图像翻译。

    Jun, 2024

  • 具信息不确定性的超声图像的扩散重建

    借鉴扩散模型的进展，我们提出了一种混合方法以改进超声成像质量，通过适应性去噪扩散恢复模型结合超声物理学和基于学习的方法，并在模拟、离体和体内数据上进行全面的实验，证明其较单一面波输入和现有方法相比实现了高质量的图像重建。

    Oct, 2023

  • 小波扩散模型：快速可扩展的图像生成器

    通过提出一种基于小波的扩散方案以及使用重构项来提高模型训练收敛性，本文旨在缩小扩散模型与 GAN 模型之间速度差距，实验结果证明该方案是实现实时高保真扩散模型的基础。

    Nov, 2022