人工智能与计算机学院丁卫平教授团队在模糊医学影像智能分割研究方面取得新进展

扩散模子是一类基于渐渐去噪的天生式框架，近年来正在医学图像支解界限备受闭心，然而现有门径众采用静态统一计谋，将前提先验与去噪特质轻易整合，难以正在差别去噪阶段自合适地均衡二者的用意。另外，这些门径普通缺乏对吞吐区域举行像素级不确定性筑模，易正在迭代去噪进程中丧失布局细节，从而影响支解结果的切确性与无缺性。为此，该论文提出了FEU-Diff门径：一种将吞吐证据筑模与不确定性统一（UF）机制相连结的扩散式支解框架。全部而言，吞吐语义加强（FSE）模块通过高斯附属度函数与吞吐逻辑条例对像素级不确定性举行显式筑模，提拔对吞吐鸿沟的识别与外征才华；证据动态统一（EDF）模块基于Dirichlet漫衍揣测特质置信度，并正在差别去噪阶段自合适地向导前提讯息与去噪特质的统一；同时，UF模块量化众源预测间的分别，以抵偿迭代去噪导致的细节耗损。大宗实行结果讲明，本文提出的FEU-Diff门径较现在先辈门径（SOTA）赢得明显领先：Dice近似系数（DSC）均匀提拔1.42%、交并比（IoU）提拔1.47%、95百分位Hausdorff隔断（HD95）低落2.26毫米。另外，FEU-Diff门径还能天生像素级不确定性图，进一步提拔吞吐医学影像临床的可证明性。