Jun, 2024

基于扩散的生成图像超出辐射场截断 CT 图像恢复技术

PDF
TL;DR应用生成图像修复方法对缺失部分的 CT 切片进行修复，来恢复被截断的胸部 CT 扫描图像以实现准确的体组成分析，该方法通过小 FOV 仿真生成截断 CT 切片进行训练，从而可靠地恢复被截断的解剖结构并在训练数据量减少的情况下超越之前的最新技术。
field-of-view recoverytruncated ct scansbody composition analysisgenerative image outpaintingdiffusion model
发现论文，激发创造
  • 使用无条件生成扩散先验完成零样本 CT 视野

    利用预先训练的无条件生成扩散先验的零样本方法，可以恢复任意形状的 CT 图像截断，从而实现解剖学上一致的体截面恢复和皮下脂肪组织测量误差的减小。

    Apr, 2023

  • 通过深度生成模型扩展扩散磁共振成像的视场

    本研究旨在开发一种方法，通过使用已有的具有不完整视野的扩散磁共振成像扫描文件中的缺失切片，来恢复完整视野。实验结果表明，该方法能够改善整个大脑线索成像，修复受损数据，并在分析与阿尔茨海默病相关的组束时减少不确定性。

    May, 2024

  • 视频外绘的分层掩码三维扩散模型

    视频外延的研究中，我们引入了一种基于遮罩的三维扩散模型，在保持填充区域的时间连续性方面，通过使用遮罩建模技术训练模型，利用多个引导帧连接多个视频剪辑推理结果，确保了时间连续性，并减少相邻帧之间的抖动。另外，我们通过交叉注意力，以全局帧为提示，引导模型获取当前视频剪辑之外的信息。同时，我们还引入了混合的由粗到细的推理流程来缓解伪影积累问题，与现有的只使用填充策略的由粗到细流程不同，我们的流程可以通过遮罩建模的双向学习，在生成稀疏帧时采用填充与插值的混合策略。实验证明我们的方法在视频外延任务中实现了最先进的结果。更多结果请参阅我们的此 URL。

    Sep, 2023

  • 通过位置查询和基于扩散的方法进行一步多图像外推

    该论文主要研究了图像外部绘制的技术，提出了一种名为 PQDiff 的新方法，它可以生成超出原始边界的图像内容，具有任意扩展倍数和一步完成的能力，而且在性能和时间效率方面优于其他现有方法。

    Jan, 2024

  • O^2-Recon：利用预训练的 2D 扩散模型完成场景中被遮挡物体的 3D 重建

    本文提出了一个新颖的框架，利用基于扩散的 2D 修复模型，通过填补物体隐藏部分的 2D 图像来重建完整的表面，以及通过神经隐式表面表示优化每个实例的 3D 重建。实验结果表明，我们的方法在从 RGB-D 视频中进行物体级重建时达到了最先进的准确性和完整性。

    Aug, 2023

  • 高效 3DCG 背景创建的多样真实 360 度图像外延技术

    本文提出了基于 Transformers 和 CompletionNets 的自动场景建模方法，使用 WS-perceptual loss 和 circular inference 提升 360 度图像的质量，并在虚拟物体插入场景上取得了具有感知自然性的结果。

    Mar, 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

  • 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

  • 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

  • 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