无监督利用去噪扩散模型检测胎儿脑异常
原文中文,约200字,阅读约需1分钟。发表于: 。胎儿脑畸形的检测方法研究中,以非监督学习的扩散模型为基础,利用超声图像中扩散重构的胎儿脑图像,从多个噪声水平中识别异常,无需异常数据的训练集。实验证明非监督方法在胎儿脑畸形检测方面具有潜力,同时全面评估不同噪声类型对扩散模型的影响。
本研究提出了一种名为mDPPM的方法,通过引入基于掩码的正则化来重新定义扩散模型的生成任务,以将无标签数据用于自我监督学习,从健康脑的样本级标签生成所需的表示,确保结果是解剖一致的。该研究在包含肿瘤和多发性硬化症病变的数据集上评估了这种方法,并展示了我们的无监督方法相对于现有完全/弱监督基线的优越性能。