本文提出了一种名为差异分布医学扩散（DDMD）的模型，用于脑 MRI 中的病变检测。通过将异构样本中的分布差异转化为图像级注释的不一致性，保留了像素级的不确定性，并实现了隐式分割集合，最终提高了整体检测性能。实验证明了该方法在脑肿瘤检测方面的良好性能。