Lesion-DDPM:病灶增强3D扩散模型用于MS MRI合成
热点事件持续更新
Lesion-DDPM:病灶增强3D扩散模型用于MS MRI合成
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Weidong Zhang等作者发布Lesion-DDPM,一个用于多发性硬化(MS)病灶感知FLAIR合成的3D条件扩散框架,通过多层级解剖掩码注入和病灶加权重建损失突出病灶体素、同时保持全脑结构。作者在MSLesSeg数据集的一个筛选子集上将其与代表性GAN和扩散模型对比,称其取得所有对比方法中最低的病灶区域重建误差。 在下游3D U-Net分割评估中,仅用Lesion-DDPM生成扫描训练、在真实MRI上测试的模型Dice为0.616,高于最佳竞品合成数据的0.569;将生成图像加入真实训练集后,Dice进一步提升至0.685。上述比较与数值均为作者在自选数据子集上的实验结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
Lesion-DDPM:面向 MS MRI 合成的病灶增强 3D 扩散模型报道时间线
沿着报道,了解事件的不同侧面。
10月12日
- arXiv:cs.LGLesion-DDPM:面向 MS MRI 合成的病灶增强 3D 扩散模型
Lesion-DDPM 是一个用于病灶感知 FLAIR 合成的 3D 条件扩散框架,通过多层级解剖掩码注入和病灶加权重建损失,在 MSLesSeg 数据集子集上取得所有对比方法中最低的病灶区域重建误差。仅用其生成扫描训练的 3D U-Net 在真实 MRI 上病灶分割 Dice 达 0.616,高于最佳竞品合成数据的 0.569;将生成图像加入真实训练集后 Dice 进一步提升至 0.685。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。