MICCAI 2024 | 开创性Point-Image Diffusion助力医学图像公平分割

主要观点总结

本文介绍了来自清华大学智能产业研究院助理教授赵昊团队联合哈佛大学眼科AI实验室提出的Point-Image Diffusion眼底图像合成方案。该方案率先提出“先生成标签，再由标签生成图像”的两段式图像生成范式，旨在解决医学眼底图像分割中针对少数群体的偏见问题。实验结果表明，合成数据质量优于现有方法，并且在公平性和分割性能上实现了显著提升。

关键观点总结

关键观点1: 眼底图像合成方案

介绍赵昊团队提出的Point-Image Diffusion方案，该方案通过生成标签再合成图像的方式，改善了眼底图像的合成质量。

关键观点2: 公平性问题

讨论医学图像分割中针对少数群体的偏见问题，以及如何通过合成数据增强公平性。

关键观点3: 实验与结果

介绍实验数据集、评估指标、合成图像结果和公平性分割结果，证明提出的方案在公平性和分割性能上的优越性。

文章预览

近日，来自清华大学智能产业研究院助理教授赵昊老师（ https://sites.google.com/view/fromandto ）的团队，联合哈佛大学眼科AI实验室，提出了一种名为 Point-Image Diffusion 的眼底图像合成方案。 该方案率先提出“先生成标签，再由标签生成图像”的两段式图像生成范式。point2mask 和 mask2image 的两阶段合成框架既能得到配对标签，又能改善对生成图像分割边界控制。实验结果表明，合成数据质量优于现有方法。面对医学眼底图像分割中针对少数群体的偏见问题，团队通过合成数据与真实数据相结合的方案，提升了医学图像分割模型的公平性。 论文题目： FairDiff: Fair Segmentation with Point-Image Diffusion 论文链接： https://arxiv.org/abs/2407.0625 0 代码链接： https://github.com/wenyi-li/FairDiff 一、背景介绍 公平性 在医学影像分析中是一个重要课题，特别是在不同目标群体训练数 ………………………………