Conditional Diffusion Models for Semantic 3D Brain MRI Synthesis

要約

医療分野、特に医療画像分野における人工知能 (AI) は、データ不足とプライバシーの問題による課題に直面しています。
これらに対処するために、3D セマンティック脳 MRI 合成用に設計された拡散モデルである Med-DDPM を紹介します。
このモデルは、セマンティック条件付けを統合することで、データ不足とプライバシーの問題に効果的に取り組みます。
これには、モデル入力への調整画像のチャネルごとの連結が含まれ、画像生成の制御が可能になります。
Med-DDPM は、既存の 3D 脳イメージング合成手法と比較して優れた安定性とパフォーマンスを示します。
視覚的忠実度が高く、解剖学的に一貫した多様な画像を生成します。
腫瘍セグメンテーション タスクにおけるダイス スコアの精度に関しては、Med-DDPM は実際の画像の精度 0.6531 に近い 0.6207 を達成し、ベースライン モデルを上回っています。
実際の画像と組み合わせると、セグメンテーション精度がさらに 0.6675 まで向上し、私たちが提案した方法のデータ拡張の可能性が示されています。
このモデルは、3D セマンティック脳 MRI 合成における拡散モデルの最初の使用を表し、高品質の画像を生成します。
そのセマンティック条件付け機能は、生物医学画像処理における画像の匿名化の可能性も示しており、データとプライバシーの問題に対処します。
再現性をサポートするために、Med-DDPM のコードとモデルの重みを GitHub リポジトリ (https://github.com/mobaidoctor/med-ddpm/) で提供しています。

要約(オリジナル)

Artificial intelligence (AI) in healthcare, especially in medical imaging, faces challenges due to data scarcity and privacy concerns. Addressing these, we introduce Med-DDPM, a diffusion model designed for 3D semantic brain MRI synthesis. This model effectively tackles data scarcity and privacy issues by integrating semantic conditioning. This involves the channel-wise concatenation of a conditioning image to the model input, enabling control in image generation. Med-DDPM demonstrates superior stability and performance compared to existing 3D brain imaging synthesis methods. It generates diverse, anatomically coherent images with high visual fidelity. In terms of dice score accuracy in the tumor segmentation task, Med-DDPM achieves 0.6207, close to the 0.6531 accuracy of real images, and outperforms baseline models. Combined with real images, it further increases segmentation accuracy to 0.6675, showing the potential of our proposed method for data augmentation. This model represents the first use of a diffusion model in 3D semantic brain MRI synthesis, producing high-quality images. Its semantic conditioning feature also shows potential for image anonymization in biomedical imaging, addressing data and privacy issues. We provide the code and model weights for Med-DDPM on our GitHub repository (https://github.com/mobaidoctor/med-ddpm/) to support reproducibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google