MUMINS：扩散框架合成医学随访图像并预测不确定性

Anna Oliveras 等作者提交论文预印本，提出 MUMINS 扩散框架，用于医学图像下一状态合成。该框架在单次逆向扩散过程中同时扩散基线扫描与随访残差，将两者相加合成随访图像，并同步预测空间不确定性图。 MUMINS 以时间间隔和元数据为条件，在每个去噪步骤动态回注基线作为软锚点，并用负对数似然头学习不确定性图，以标记易错区域。 作者称，在肺 CT（PNG）和脑 MRI（OASIS-3）上，按数据集分别重训练的 MUMINS 达到或超过专用领域 SOTA 方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。