Modello di Diffusione Anatomia-Malattia Disentangled per Endoscopia UC
Un nuovo framework chiamato Disentangled Anatomy-Disease Diffusion (DADD) è stato creato dai ricercatori per generare immagini endoscopiche longitudinali della colite ulcerosa (UC) a vari stadi della malattia, mantenendo al contempo i dettagli anatomici individuali. Il problema principale affrontato è l'intreccio delle texture patologiche con gli elementi strutturali nell'imaging medico. DADD utilizza un modello di diffusione latente condizionato da due embedding distinti: un codificatore di immagini addestrato sull'anatomia del paziente e un embedder ordinale focalizzato sulla gravità cumulativa della malattia, seguendo la progressione del Mayo Endoscopic Score (MES). Per evitare la contaminazione dei dati anatomici da parte delle informazioni sulla malattia, un Purificatore di Caratteristiche—un meccanismo basato sull'attenzione incrociata—rileva ed elimina i canali correlati alla malattia, producendo token anatomici raffinati. Questi token purificati, insieme ai token della malattia, vengono quindi incorporati nella rete di denoising. Lo studio appare su arXiv con ID 2605.01848.
Fatti principali
- DADD sta per Disentangled Anatomy-Disease Diffusion.
- Sintetizza immagini endoscopiche longitudinali di UC a stadi di malattia controllabili.
- Il modello utilizza un codificatore di immagini pre-addestrato per l'anatomia e un embedder ordinale per la gravità della malattia.
- La gravità della malattia segue la progressione ordinale del Mayo Endoscopic Score (MES).
- Un Purificatore di Caratteristiche cancella i canali correlati alla malattia dagli embedding delle immagini.
- Il framework è progettato per la sintesi controllabile della progressione della malattia.
- L'articolo è su arXiv con ID 2605.01848.
- L'approccio preserva l'anatomia specifica del paziente variando la gravità della malattia.
Entità
Istituzioni
- arXiv