arXiv cs.AI· Sanyam Jain, Bruna Neves de Freitas, Andreas Basse-OConnor, Alexandros Iosifidis, Ruben Pauwels·· 2 天前AI 评分22
PanoDiff-SR：用扩散模型与超分辨率合成牙科全景 X 光片
PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution
AI 导读
PanoDiff-SR 提出一套两阶段端到端流程，先用扩散模型 PanoDiff 生成 256×128 低分辨率全景 X 光片种子，再由微调的 HAT 超分辨率阶段放大至 1024×512 诊断级分辨率，可在单张 47 GB GPU 上完成。
正文 · AI 翻译
摘要：近年来，人们对生成逼真的合成医学图像的兴趣日益增长。此类数据集可以缓解人工智能研究中公共数据稀缺的问题，并支持教育。迄今为止，合成牙科全景放射图像（PR）的工作几乎完全依赖于生成对抗网络（GAN），并且反复出现三个局限性：合成的视野通常局限于裁剪的牙槽区域，而非完整的 PR；对 GAN 生成的 PR 进行的观察者研究报告称，临床医生仍能以约 78-82% 的准确率识别出合成图像，这意味着持续存在可见的破绽；并且对抗训练仍然对不稳定性和模式崩溃敏感。使用扩散模型直接以诊断分辨率生成全尺寸 PR 是一种替代方案，但在该分辨率下采样成本高昂。因此，我们提出了 PanoDiff-SR，这是一个专为全景放射摄影开发和评估的端到端两阶段流水线：去噪扩散隐式模型（PanoDiff）生成低分辨率（LR）种子 PR（$256\times128$），然后由微调的混合注意力 Transformer（HAT）超分辨率（SR）阶段将其放大为高分辨率（HR）PR，尺寸为 $1024\times512$。将昂贵的生成步骤与分辨率步骤解耦，可以在单个 47 GB GPU 上以诊断分辨率生成完整的全牙弓 PR。7243 张真实与合成 HR 图像之间的 Fréchet 初始距离为 40.5。真实 HR、合成 HR、真实 LR 和合成 LR 图像的初始分数分别为 2.68、2.38、2.90 和 2.98。六位临床专家在时间限制下各自评估了 100 张合成和 100 张真实 PR，区分真实与合成图像的平均准确率为 68.5%（50% 相当于随机猜测），与基于 GAN 的研究报告相比，明显更接近随机水平。项目页面：此 https URL
| Comments: | 28 页，19 幅图，11 张表。项目页面：此 https URL 代码：此 https URL |
| Subjects: | 图像与视频处理（eess.IV）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| Cite as: | arXiv:2507.09227 [eess.IV] |
| （或 arXiv:2507.09227v2 [eess.IV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2507.09227 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Sanyam Jain [查看电子邮件]
[v1]
2025 年 7 月 12 日星期六 09:52:10 UTC（29,250 KB）
[v2]
2026 年 10 月 15 日星期四 08:52:26 UTC（31,426 KB）
来源：arXiv cs.AI · arxiv.org