MED-INPAINT: Medical Image Synthesis Using Multi-Level Conditional Inpainting with a Denoising Diffusion Probabilistic Model and Adaptive Contrast Priors

修补 概率逻辑 对比度(视觉) 先验概率 计算机科学 人工智能 图像去噪 降噪 计算机视觉 图像(数学) 模式识别(心理学) 贝叶斯概率
作者
Reza Kalantar,Gigin Lin,Jessica M. Winfield,Christina Messiou,Dow‐Mu Koh,Matthew Blackledge
标识
DOI:10.1109/medai59581.2023.00061
摘要

Denoising diffusion probabilistic models (DDPMs) have shown promise for generating high-resolution synthetic images. In medical imaging, there is a growing demand for both realistic image synthesis and deterministic outcomes that can guide downstream applications effectively. In this study, we propose MED-INPAINT, an adaptable multi-level conditional DDPM framework. MED-INPAINT incorporates contrast priors for accelerated sampling and performs inpainting of pelvic magnetic resonance imaging (MRI) scans, enabling high-quality image synthesis with reasonably low uncertainty. Our results highlight the effectiveness of MED-INPAINT in generating realistic and detailed pelvic MRI images, assessing its uncertainty using various denoising steps at inference. MED-INPAINT outperformed baseline U-Net and cycle-consistent generative adversarial network (Cycle-GAN) models, demonstrating its potential for various medical imaging applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
慕青应助诚心的扬采纳,获得10
1秒前
zlttt发布了新的文献求助10
2秒前
科研通AI5应助维尼采纳,获得20
2秒前
LIO完成签到,获得积分10
3秒前
5秒前
愉快的新波完成签到,获得积分10
6秒前
8秒前
8秒前
8秒前
8秒前
完美世界应助zlttt采纳,获得10
10秒前
momo发布了新的文献求助10
12秒前
漫山完成签到,获得积分10
12秒前
量子星尘发布了新的文献求助10
12秒前
13秒前
14秒前
15秒前
阿斗发布了新的文献求助10
16秒前
16秒前
踏实的火龙果完成签到 ,获得积分20
16秒前
健忘白完成签到,获得积分10
18秒前
ding应助liang采纳,获得30
19秒前
厉害tt完成签到,获得积分10
19秒前
19秒前
ding应助momo采纳,获得10
19秒前
在水一方应助吧啦吧啦采纳,获得10
19秒前
踏实的火龙果关注了科研通微信公众号
20秒前
维尼发布了新的文献求助20
21秒前
文档发布了新的文献求助10
21秒前
Rondab应助千余采纳,获得10
25秒前
25秒前
taowang发布了新的文献求助30
25秒前
一支笔画天下完成签到 ,获得积分10
25秒前
26秒前
CL完成签到 ,获得积分10
27秒前
hnlgdx完成签到,获得积分20
27秒前
Dotson发布了新的文献求助20
27秒前
出门见喜发布了新的文献求助10
29秒前
丁老三完成签到 ,获得积分10
30秒前
gky完成签到,获得积分10
31秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
‘Unruly’ Children: Historical Fieldnotes and Learning Morality in a Taiwan Village (New Departures in Anthropology) 400
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989297
求助须知:如何正确求助?哪些是违规求助? 3531418
关于积分的说明 11253893
捐赠科研通 3270097
什么是DOI,文献DOI怎么找? 1804884
邀请新用户注册赠送积分活动 882087
科研通“疑难数据库(出版商)”最低求助积分说明 809158