MedSegDiff：基于 Diffusion Probabilistic Model 的医学图像分割

目录

• 前言
• MedSegDiff
  • 动态条件编码
  • FF-Parser
  • 实验
• MedSegDiff-V2
  • 概述
  • Anchor Condition with Gaussian Spatial Attention
  • Semantic Condition with SS-Former
  • 实验
• 总结
• 参考

本文首发于 GiantPandaCV，未经允许不得转载！！

前言

在前面的一篇文章（ICLR 2023）中，我们已经介绍过了 diffusion model 在医学图像分割上的一个应用（https://mp.weixin.qq.com/s/7g3_4hHfKCAp2WQibkbzgA），推荐对 diffusion model 不了解的同学优先阅读，其中讲了一些基本概念。上一篇文章是将 diffusion 应用到自监督学习中，而 MedSegDiff 是一个有监督的框架，现在已更新到 V2 版本， V2 版本区别于 V1 使用了 Transformer，且适用于多分类。MedSegDiff-V1 已被接收在 MIDL 2023。

MedSegDiff

MedSegDiff 在原版 DPM 的基础上引入了动态条件编码，增强 DPM 在医学图像分割上的分步注意力能力。特征频率解析器（FF-Parser）可以消除分割过程中损坏的给定掩码中的高频噪声。DPM 是一种生成模型，由两个阶段组成，正向