Feb, 2024

使用稳定扩散模型合成类型 - B 主动脉夹层的 CTA 图像数据

PDF
TL;DR利用稳定扩散模型基于用户定义的文本提示微调，仅通过有限数量的 CTA 图像作为输入，探索生成合成心脏 CTA 图像的可能性，并通过定量分析和定性评估进行了综合评估，结果表明使用 Text to Image (T2I) 稳定扩散模型调优后能够成功生成具有典型急性 B 型主动脉夹层（TBAD）医疗条件独特特征的心脏 CTA 图像。
stable diffusiongenerative aimedical imaging datacardiovascular image processingtext to image (t2i)
发现论文，激发创造
  • 利用神经扩散模型生成合成医学图像识别假肺部

    本文探讨使用神经扩散模型合成医学图像的可能性，结果表明扩散模型生成的图像可以翻译一些胸部 X 射线或 CT 图像中特定医学情况的特征，这是一项新的人工智能医学图像研究，展示了扩散模型在医学图像合成领域的潜力。

    Nov, 2022

  • 腹部 CT 的语义图像合成

    我们研究了基于条件扩散模型的腹部 CT 语义图像合成，并对三种不同的扩散模型以及其他基于生成对抗网络的方法进行了系统评估。实验结果表明，扩散模型能够合成具有更好质量的腹部 CT 图像。此外，将语义掩码和输入分别编码比简单拼接更加有效。

    Dec, 2023

  • Derm-T2IM: 使用稳定的扩散模型利用合成皮肤损伤数据，通过 ViT 和 CNN 提升皮肤疾病分类

    研究探讨了通过稳定扩散模型生成的皮肤镜合成数据的利用，作为增强机器学习模型训练鲁棒性的策略。实验结果表明，通过稳定扩散模型生成的合成数据有助于提高卷积神经网络和视觉转换器模型的鲁棒性和适应性，对于两个不同的真实世界皮肤病变数据集，其效果显著。

    Jan, 2024

  • 稳定扩散数据集生成用于下游分类任务

    在最近的生成人工智能的进展中，我们利用稳定扩散 2.0 模型来生成合成数据集，通过迁移学习、微调和生成参数优化技术改善了数据集在下游分类任务中的效用，我们提出了一种条件类别版本的模型，利用类编码器和关键生成参数的优化。使用我们的方法，在三分之一的情况下，合成数据集产生的模型胜过在真实数据集上训练的模型。

    May, 2024

  • 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

  • COCO 和 Weed 数据集的稳定扩散

    通过稳定扩散模型生成高分辨率图像，并利用这些图像提高检测模型的性能，这项研究有助于将稳定扩散模型应用于不同领域的分类和检测任务。

    Dec, 2023

  • 基于切片隐式扩散模型的 3D MRI 合成：改善数据稀缺情况下肿瘤分割任务

    利用切片扩散架构，从医学图像生成融合体数据和对应掩膜，以解决医学图像分割中数据获取不足的问题，并考虑肿瘤特征进行生成，通过对 BRATS2022 数据集的实验证明生成数据对数据增强的有效性。

    Jun, 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

  • 高加速心脏 Cine MRI 的临床可行扩散重建

    我们旨在开发一种临床可行的基于扩散模型的重建流水线，以改善心脏磁共振成像的图像质量。通过使用多输入多输出的扩散增强模型和快速推理策略，扩散重建减少了临床数据中前瞻性欠采样引起的空间和时间模糊，并得到专家检查的验证。每个视频处理仅需 1.5 秒的时间，使该方法能够在临床场景中应用。

    Mar, 2024

  • 航行合成领域：利用扩散模型进行腹腔镜文本到图像生成

    通过扩散生成模型，我们提出了一种直观的方法来从短文本提示生成合成的腹腔镜图像，采用最先进的文本到图像架构，在图像引导手术领域，特别是腹腔镜和机器人辅助手术方面，得到了依靠合成图像数据和虚拟手术训练方法的强力帮助。

    Dec, 2023