摘要

扩散概率模型（Diffusion Probabilistic Model, DPM）近年来在计算机视觉领域广受关注，主要得益于其在图像生成方面的卓越表现，例如 Imagen、潜在扩散模型（Latent Diffusion Models）以及 Stable Diffusion 等代表性方法，均展现出令人瞩目的生成能力，并在学术界引发了广泛讨论。近期研究进一步揭示了 DPM 在医学图像分析领域的应用潜力，尤其体现在医学图像分割模型在多种任务中所表现出的优异性能。尽管这些模型最初基于 UNet 架构构建，但通过引入视觉 Transformer 机制，仍存在显著提升性能的潜在空间。然而，我们发现，简单地将这两种模型进行拼接会导致性能不佳。为有效融合这一前沿技术组合以实现更优的医学图像分割效果，本文提出一种新型基于 Transformer 的扩散框架——MedSegDiff-V2。我们在涵盖多种图像模态的 20 项医学图像分割任务上验证了该方法的有效性。通过全面的实验评估，所提方法在多个指标上均优于现有的最先进（State-of-the-Art, SOTA）方法。相关代码已开源，地址为：https://github.com/KidsWithTokens/MedSegDiff