Feb, 2024

健康脑组织修复的去噪扩散模型

PDF
TL;DR通过使用去噪扩散概率模型，本文介绍了一种把肿瘤组织转化为健康组织的方法，通过自动分析磁共振图像中的异常组织，进而实现下游任务。我们的方法在验证集上取得了可比较的结果，平均结构相似性指数为 0.7804，峰值信噪比为 20.3525，均方误差为 0.0113。未来将扩展这种方法，使其能够整体修复感兴趣区域而不会丢失邻近切片的上下文信息。
发现论文，激发创造
  • 三维健康脑组织修复的去噪扩散模型

    通过探索和扩展去噪扩散模型，本研究实现了对健康三维脑组织的一致修复，评估了其在磁共振影像中的回填效果，并在脑组织分割任务中优于现有的病变填充方法。

    Mar, 2024

  • 用生成模型推进脑部肿瘤修复

    从疾病大脑扫描中综合出健康脑扫描为解决一般算法的局限性，我们考虑了 3D 修复任务，并研究将 2D 修复方法调整为满足 3D 磁共振成像（MRI）数据要求的方法。我们的贡献包括针对 MRI 特定需求的潜在修改，并使用 BraTS2023 修复数据集对多个修复技术进行评估，以评估它们的效果和限制。

    Feb, 2024

  • 2023 年脑瘤分割挑战赛：通过修补局部合成健康脑组织

    为了解决由初始病态扫描引起的问题，参与者的任务是探索补全技术，将病态的脑部扫描合成健康的脑部扫描，这是 BraTS 2023 inpainting 挑战的目标。

    May, 2023

  • 人脑细胞分布图像修复的去噪扩散概率模型

    使用最新的成像和高性能计算技术实现了在细胞水平对整个人脑进行成像，为研究人脑的多尺度结构（包括大脑区域和核团的划分、皮层层次、纵列和细胞群体）提供了基础。本研究提出了一种基于噪声扩散概率模型（DDPM）的模型，通过训练细胞染色切片的光镜扫描图像，能够可靠地填充缺失信息并生成高度逼真的图像信息，用于细胞统计和形态模式的分析，得到了验证。

    Nov, 2023

  • 脑图像的反事实生成和异常检测的扩散模型

    通过弱监督方法生成病变图片的健康版本，并利用此图像生成像素级异常地图，以提升放射科医生的训练文件和分割模型的可解释性。

    Aug, 2023

  • 用潜在扩散在腰椎核磁共振图像中修复病理缺损

    通过沿用高阶无噪音 LVGHD（三维）均一化成训练数据的分量，实现了数据的复制与修复，有助于预测分化格里马右半球的单元。

    Jun, 2024

  • DiffGANPaint：使用去噪扩散 GAN 进行快速修复

    本文提出了一种基于 DDPM 的模型，能够通过使用生成对抗网络（GAN）的生成器来建模反向扩散过程，从而以较低的采样成本填充丢失的像素，实验结果表明我们的方法在通用图像修复数据集上表现出卓越性能。

    Aug, 2023

  • Gradpaint: 基于梯度引导的扩散模型修复

    GradPaint 是一种用于图像修复的方法，通过计算模型的损失与输入图像的相干性，并使用扩散模型本身的梯度来引导生成过程，从而改善了目前基于监督和非监督方法的最新技术。

    Sep, 2023

  • RePaint: 使用去噪扩散概率模型进行修复

    本文提出了 RePaint，一种基于 DDPM 的修复方法，针对自由形式的抠图效果更佳，能够进行信息补充，并对面部和通用图像修复进行了测试。

    Jan, 2022

  • 通过可操作的扩散模型实现图像修复

    本文提出了一种新的框架，利用可计算条件概率的 Tractable Probabilistic Models（TPMs）来指导扩散模型的去噪过程，从而改进了受限图像生成的质量和语义连贯性。同时，该方法能接受图像特定区域的语义约束，并推动更可控的图像生成任务的发展。

    Nov, 2023