Jul, 2024

2D 布朗桥扩散模型下的切片一致性 3D 脑 CT 到 MRI 转换

PDF
TL;DR本研究提出了一种基于 2D Brownian bridge 扩散模型的创新风格关键条件和切片间轨迹对齐采样方法，以实现一致的 3D CT 到 MRI 转换。实验结果表明，相较于现有的 2D 和 3D 基线模型，我们的方法在 3D 医学图像转换方面表现出更高的质量，使用了内部 CT-MRI 数据集和 BraTS2023 FLAIR-T1 MRI 数据集。
neuroimagingbrain ctmrimedical image-to-image translationdiffusion models
发现论文，激发创造
  • 基于去噪扩散的 MR 到 CT 图像转换使 2D 和 3D 全脊椎椎骨分割无需手动标注

    通过自动分割脊柱 MR 图像，实现基于图像注册的配对数据翻译，并提供解剖正确的分割结果。

    Aug, 2023

  • 基于 CT 的脑室扩散 Schrödinger 桥分割

    通过扩展扩散模型的领域适应能力，利用配对的 CT 和 MRI 扫描，提出了一种无需 CT 分割标准的新颖不确定性感知脑室分割技术，并展示了其对其他相似建模方法的优越性。

    May, 2024

  • 用于头颈部质子治疗计划的高质量 MR 到 CT 综合的扩散薛定谔桥模型

    最近在质子治疗的进展中，基于磁共振的治疗计划正逐渐得到认可，以降低与传统基于 CT 的方法相比的额外辐射暴露。这种转变凸显了精确的磁共振与 CT 图像合成的关键性需求，对于精确的质子剂量计算至关重要。本研究引入了扩散薛定谔桥模型（DSBM），这是一种创新的高质量磁共振与 CT 图像合成方法。DSBM 学习了 MR 和 CT 数据分布之间的非线性扩散过程。该方法通过从先验分布而非高斯分布开始合成，提高了传统扩散模型的生成质量和效率。我们通过头颈癌数据集验证了 DSBM 的有效性，并通过图像级和剂量级评估证明了其优于传统图像合成方法。DSBM 在基于磁共振的质子治疗计划中的有效性突出了其在各种临床场景中作为有价值工具的潜力。

    Apr, 2024

  • 增强单层切片分割通过 3D 转 2D 非配对扫描蒸馏

    本研究提出了一种新颖的 3D 到 2D 蒸馏框架，利用预训练的 3D 模型增强 2D 单层切片分割，并在 707 个受试者数据集上进行的实验证明，该方法能够改善单层多器官分割的性能，尤其在低数据量情况下表现出色。

    Jun, 2024

  • 基于互补的二维扩散模型和正交视图的低复杂度 3D 脑分割

    通过使用互补的 2D 扩散模型，将 2D 的语义信息提取为特征，并将其融合为 3D 上下文特征表示，我们提出了一种新颖的基于深度学习的 3D 脑部分割方法，旨在实现可靠的分割质量，而无需对每个个体主体进行完整标记。实验证明，我们的方法在仅使用一个主体的数据集进行大脑皮层结构分割训练时优于目前最先进的自监督学习方法，甚至在仅有九个切片和一个标注的背景区域的情况下，通过稀疏标记的最低标注要求进行的进一步实验也取得了有希望的结果。

    Jul, 2024

  • 基于 3D 变压器去噪扩散模型的合成磁共振成像计算机断层成像

    使用具有转换器的漫反射概率模型（MC-DDPM）将磁共振成像（MRI）转换为高质量的合成计算机断层扫描（sCT），以便于放射治疗计划，并通过消除 CT 模拟和具有误差的图像配准，从而减少患者的辐射剂量和设置不确定性。

    May, 2023

  • 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

  • 隐式图像到图像的 Schrödinger 桥在 CT 超分辨率和去噪中的应用

    通过引入腐蚀图像的非马尔科夫过程，将生成过程转化为隐式图像到图像的 Schr"odinger Bridge 过程，提出了一个改进的 I3SB 方法，该方法能够使用少量的生成步骤生成具有更好纹理恢复的图像，并在 CT 超分辨率和去噪任务中验证了其性能优于现有方法，包括条件去噪扩散概率模型 (cDDPM) 和 I2SB，从视觉质量和定量指标上凸显了 I3SB 在改进医学图像恢复方面的潜力。

    Mar, 2024

  • SPIRiT-Diffusion: 加速 MRI 的自洽驱动扩散模型

    提出了一种基于自洽驱动扩散模型的方法 ——SPIRiT-Diffusion，该方法能够通过优化模型中的随机微分方程进行扩散，避免了使用线圈灵敏度矩阵的多线圈数据重建过程中常常存在的准确估计线圈灵敏度矩阵的难题，在一项关于头颅内和颈部血管壁成像的实验中表现出了较高的重建质量和加速能力。

    Apr, 2023

  • 基于 2.5 阶得分的模型求解 3D 非逆问题

    在医学成像领域，计算机断层扫描（CT）和磁共振成像（MRI）是至关重要的技术。针对 CT 和 MRI 中遇到的稀视角 CT 和快速 MRI 重建等不同逆问题，基于评分的模型已被证明是有效的。然而，这些模型在实现准确的三维（3D）体重建方面面临挑战。现有的基于评分的模型主要集中在重建二维（2D）数据分布上，导致重建的 3D 体积图像中相邻切片之间存在不一致性。为了解决这个问题，我们提出了一种新颖的二次半的评分模型（TOSM）。在训练阶段，我们的 TOSM 在二维空间中学习数据分布，相比直接处理 3D 体积，降低了训练的复杂度。然而，在重建阶段，TOSM 通过利用沿着矢状、冠状和横断向的互补评分来更新三维空间中的数据分布，实现更精确的重建。TOSM 的开发建立在可靠且有效的理论原理之上。通过在大规模稀视角 CT 和快速 MRI 数据集上进行广泛实验，我们的方法展示了显著的进展，并取得了解决 3D 不适定逆问题方面的最新成果。值得注意的是，我们提出的 TOSM 有效地解决了切片间不一致性问题，实现了高质量的 3D 体积重建。

    Aug, 2023