Diff-Def: Diffusion-Generated Deformation Fields for Conditional Atlases

要約

解剖学的アトラスは集団分析に広く使用されています。
条件付きアトラスは、特定の条件（人口統計や病状など）によって定義された特定の部分母集団を対象とし、年齢と相関する形態学的変化など、きめの細かい解剖学的差異の調査を可能にします。
既存のアプローチでは、大きな解剖学的変化を処理できない登録ベースの方法、またはトレーニングの不安定性や幻覚の影響を受ける可能性がある生成モデルのいずれかを使用しています。
これらの制限を克服するために、潜在拡散モデルを使用して変形フィールドを生成し、一般集団アトラスを特定の部分集団を表すアトラスに変換します。
変形フィールドを生成し、条件付きアトラスを画像の近傍に登録することで、構造の妥当性を確保し、直接画像合成中に発生する可能性のある幻覚を回避します。
英国バイオバンクからの 5000 個の脳および全身 MR 画像を使用した実験で、私たちの方法をいくつかの最先端のアトラス生成方法と比較します。
私たちの方法は、ベースラインを上回る、滑らかな変換と高い解剖学的忠実度を備えた非常に現実的なアトラスを生成します。

要約(オリジナル)

Anatomical atlases are widely used for population analysis. Conditional atlases target a particular sub-population defined via certain conditions (e.g. demographics or pathologies) and allow for the investigation of fine-grained anatomical differences – such as morphological changes correlated with age. Existing approaches use either registration-based methods that are unable to handle large anatomical variations or generative models, which can suffer from training instabilities and hallucinations. To overcome these limitations, we use latent diffusion models to generate deformation fields, which transform a general population atlas into one representing a specific sub-population. By generating a deformation field and registering the conditional atlas to a neighbourhood of images, we ensure structural plausibility and avoid hallucinations, which can occur during direct image synthesis. We compare our method to several state-of-the-art atlas generation methods in experiments using 5000 brain as well as whole-body MR images from UK Biobank. Our method generates highly realistic atlases with smooth transformations and high anatomical fidelity, outperforming the baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google