arXiv · AI· Yuxuan Ou, Konstantinos Kamnitsas, OxAAA Study, AICT Consortium, Regent Lee, Vicente Grau·· 2026-10-05AI 评分20
AortaDiff 如何利用不确定性作为扩散式医学图像合成中语义正确性的代理指标
Uncertainty as a Proxy for Semantic Correctness in Diffusion-Based Medical Image Synthesis
AI 导读
AortaDiff 提出通过不确定性评估扩散模型从非增强 CT 生成增强 CT 图像的语义正确性,并在外部多中心数据集分布偏移下保持有效。 MCDropout 作为输入扰动方法在像素、区域和图像层级均表现领先,且无需额外训练成本即可在推理阶段启用任何已含 dropout 的模型。该信号可用于质量过滤、可靠性评估及识别临床相关的分布外案例,但难以区分已生成的高质量图像。
来源:arXiv · AI · arxiv.org