Jun, 2024

DiffusionBlend: 通过位置感知扩散分数混合学习三维图像先验，用于三维计算机断层扫描重建

PDF
TL;DR通过位置感知的三维图像块扩散评分融合，本文提出了一种新的框架，能够学习三维图像的先验进行大规模三维医学图像重建，实验表明我们的方法在稀疏视图和有限角度的 CT 重建上显著优于先前的方法，并且在高维三维图像（$256 imes 256 imes 500$）的实际 CT 重建问题上获得了最先进的性能，同时算法具有更好或相当的计算效率。
diffusion modelsmedical image reconstruction3d computed tomography3d image priorct reconstruction
发现论文，激发创造
  • 使用预训练的 2D 扩散模型解决 3D 反问题

    本文结合传统的基于模型的迭代重建方法和现代扩散模型，提出了一种高度有效的方法来解决 3D 医学图像重建任务，包括稀疏视图断层扫描、有限角度断层扫描、预训练 2D 扩散模型压缩感知 MRI 等。我们在测试时提出了 2D 扩散先验的增强模型先验，从而实现了所有维度上的一致重建。该方法可以在单个普通 GPU 上运行，并且在最极端情况下（例如 2 视的 3D 断层扫描）表现出高保真度和准确度的重建。我们进一步揭示了该方法的泛化能力出乎意料地高，并且可以用于重建与训练数据集完全不同的体积。

    Nov, 2022

  • 基于补丁扩散模型学习图像先验用于解决逆问题

    本文提出了一种通过仅对图像的补丁进行扩散模型训练来学习整个图像的高效数据先验的方法，该方法通过分数和位置编码获取整个图像的分数函数，并将其用作解决逆问题的先验。该方法在提高内存效率和数据效率的同时，仍然能够通过位置编码生成整个图像，并且可以与不同的扩散逆求解器（DIS）配合使用，适用于自然和医学图像域中的各种逆问题解决，包括 CT 重建，去模糊和超分辨率，仅使用基于补丁的先验方法优于基于整个图像先验训练的先前 DIS 方法在训练数据有限的情况下表现出了数据效率。

    Jun, 2024

  • 扩散先验正则化迭代重建低剂量 CT

    通过将消除噪声扩散概率模型（DDPM）与优先数据保真度的重建过程相结合，我们引入了一种迭代重建算法，以减少医患暴露于电离辐射的剂量，从而实现无监督框架中的卓越重建结果。通过融合这两种技术的优点，以及应用 Nesterov 动量加速技术，我们进一步提高了重建过程的效率，为高清晰 CT 图像重建提供了潜在途径。

    Oct, 2023

  • 学习优化去噪分数用于 3D 生成：对 NeRF 和 3D 高斯叠加进行统一和改进的扩散先验

    我们提出了一个统一框架，旨在增强三维生成任务的扩散先验。通过优化三维模型和扩散先验，我们的方法在性能和实施复杂性之间提供了多种配置，并在文本到三维生成领域取得了显著成果，成为新的技术先驱。

    Dec, 2023

  • 非线性 CT 重建的扩散后验抽样

    通过扩散后验抽样的方法，我们提出了一种解决非线性 CT 图像重建的逆问题的新方法，该方法结合了训练先验评分函数的传统无条件扩散模型和根据非线性物理模型导出的测量似然评分函数，可以用于采样逆向扩散过程。此方法允许将扩散为基础的先验与广义的非线性 CT 图像重建结合到具有不同正向模型的多个 CT 系统设计中，无需任何额外的训练。

    Dec, 2023

  • 标签高效的多器官分割方法与扩散模型

    本研究提出了一种使用预训练扩散模型进行 CT 图像的多器官分割任务的标签高效学习方法，该方法仅需要少量标记数据，在有限标记数据场景下取得了竞争性的分割性能。

    Feb, 2024

  • Score Jacobian Chaining：将预训练的 2D 扩散模型提升至 3D 生成

    本文提出一种基于扩散模型的新方法，利用可微分渲染器的雅各比矩阵，将二维数据转化为三维数据生成，解决了分布不匹配的技术挑战，并将该算法应用于多个离线扩散图像生成模型。

    Dec, 2022

  • Diff3Dformer：利用切片序列扩散增强 Transformer 网络在 3D CT 分类中的应用

    利用扩散模型的潜在空间来形成 3D 分析的切片序列，并将聚类关注融入 ViT 以聚合 3D CT 扫描中的重复信息，从而利用先进的 Transformer 模型在小型数据集上执行 3D 分类任务，表现出卓越的性能。

    Jun, 2024

  • Blaze3DM：将三面体表示与扩散相结合用于三维医学反问题求解

    Blaze3DM 是一种新颖的方法，通过集成紧凑的三平面神经场和强大的扩散模型，实现快速且高保真度的生成，用于解决 3D 医学逆问题，它在计算效率上显著提高了现有方法的性能（比以前的工作快 22~40 倍）。

    May, 2024

  • 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