目录
- 前言
- MedSegDiff
- 动态条件编码
- FF-Parser
- 实验
- MedSegDiff-V2
- 概述
- Anchor Condition with Gaussian Spatial Attention
- Semantic Condition with SS-Former
- 实验
- 总结
- 参考
本文首发于 GiantPandaCV,未经允许不得转载!!
前言
在前面的一篇文章(ICLR 2023)中,我们已经介绍过了 diffusion model 在医学图像分割上的一个应用(https://mp.weixin.qq.com/s/7g3_4hHfKCAp2WQibkbzgA),推荐对 diffusion model 不了解的同学优先阅读,其中讲了一些基本概念。上一篇文章是将 diffusion 应用到自监督学习中,而 MedSegDiff 是一个有监督的框架,现在已更新到 V2 版本, V2 版本区别于 V1 使用了 Transformer,且适用于多分类。MedSegDiff-V1 已被接收在 MIDL 2023。
MedSegDiff
MedSegDiff 在原版 DPM 的基础上引入了动态条件编码,增强 DPM 在医学图像分割上的分步注意力能力。特征频率解析器(FF-Parser)可以消除分割过程中损坏的给定掩码中的高频噪声。DPM 是一种生成模型,由两个阶段组成,正向