.png){kind=icon}
返回
Diff-Def: Diffusion-Generated Deformation Fields for Conditional Atlases
.png){kind=icon}
PRE
AI
DOI：10.1109/TMI.2025.3595421.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解剖图谱被广泛应用于群体研究和分析。条件化图谱针对通过特定条件（如人口统计或病理学）定义的特定亚群，并允许研究精细的解剖差异，例如与衰老或疾病相关的形态变化。现有方法要么使用基于配准的方法，这些方法通常无法处理大的解剖学变异，要么使用生成对抗模型，这些模型难以训练，因为它们可能受到训练不稳定性的影响。我们提出不直接以强度生成图谱，而是使用潜在扩散模型生成变形场，该变形场将一般人群图谱转变为代表特定亚群的图谱。我们的方法确保了结构完整性，增强了可解释性，并通过生成该变形场并利用图像邻域进行正则化，避免了直接图像合成过程中可能出现的幻觉。我们将我们的方法与几种最先进的图谱生成方法进行了比较，使用了来自英国生物银行的大脑MR图像。我们的方法生成了具有平滑变换和高解剖保真度的高度逼真的图谱，优于现有基线。我们通过全面的评估展示了这些图谱的质量，包括解剖学准确性、感知相似性的定量指标，以及显示生成图谱一致性和逼真度的定性分析。
Keyword:
Deformation
Diffusion models
Training
Biomedical imaging
Vectors
Transforms
Morphology
Deformable models
Three-dimensional displays
Probabilistic logic
Conditional atlases
deformation field generation
diffusion models
UK Biobank
期刊
IF:
9.8
论文数:
6.3K
被引数:
3.7W
机构
引用论文
FSDiffReg: Feature-Wise and Score-Wise Diffusion-Guided Unsupervised Deformable Image Registration for Cardiac ImagesFSDiffReg：基于特征级和得分级扩散引导的无监督可变形图像配准方法，用于心脏图像
PREAI
分享收藏Ventricular enlargement as a possible measure of Alzheimers disease progression validated using the Alzheimers disease neuroimaging initiative database使用阿尔茨海默病神经影像学倡议数据库验证了心室扩大作为阿尔茨海默病进展的可能量度.png)
BRAIN
OAAI
BRAINIF11.7
OAAI分享收藏
Age and gender effects on human brain anatomy: A voxel-based morphometric study in healthy elderly
PREAI
分享收藏
查看更多内容