Shanghai, CHN — Investigadores de la Universidad Jiao Tong de Shanghái han desarrollado un nuevo modelo de difusión llamado MedDiff-FM, destinado a revolucionar la manera en que se manejan las tareas de procesamiento de imágenes médicas. Este innovador modelo ha sido concebido para abordar una amplia variedad de tareas en imágenes médicas, gracias a su capacidad para operar tanto a nivel de imagen como de fragmento.
El modelo MedDiff-FM utiliza imágenes tridimensionales de tomografía computarizada (TC) de múltiples conjuntos de datos disponibles públicamente, abarcando regiones anatómicas de la cabeza al abdomen. Esto permite la pre-entrenamiento de un modelo de base que explora aplicada a escenarios diversificados. MedDiff-FM maneja tareas de procesamiento a múltiples niveles, estableciendo relaciones espaciales complejas mediante el uso de incrustaciones de posición, permitiendo así el control de ciertas regiones anatómicas.
Los resultados experimentales han demostrado que MedDiff-FM es eficaz en una amplia variedad de tareas de imágenes médicas posteriores, incluidas la eliminación de ruido, la detección de anomalías y la síntesis de imágenes. El modelo también permite la generación y el repintado de lesiones mediante un ajuste fino rápido usando ControlNet bajo condiciones específicas de la tarea.
MedDiff-FM sobresale en varios aspectos. Por ejemplo, utiliza conjuntos de datos de imágenes médicas de acceso público de diferentes instituciones y abarca múltiples aplicaciones posteriores, asegurando una capacidad de generalización potente. El modelo procesa entradas de imágenes médicas en diferentes niveles, desde el nivel de imagen hasta el nivel de fragmento, utilizando Patch Diffusion que adopta un condicionamiento por coordenadas para su funcionamiento eficiente.
El fundamento del modelo de difusión propuesto por MedDiff-FM permite aplicaciones sin necesidad de ajuste fino, incluyendo tareas cruciales como la eliminación de ruido en imágenes, detección de anomalías y síntesis de imágenes. Además, mediante el ajuste fino rápido, MedDiff-FM es capaz de generar lesiones y realizar la restauración de estas mediante condiciones específicas de tarea.
Cabe destacar que una de las fortalezas del MedDiff-FM es su capacidad de manejar volúmenes completos de TC a nivel de fragmento, con una estrategia de muestreo deslizante que mitiga los artefactos en los bordes. Esto se articula con la promesa de mejorar la calidad y la fiabilidad de las imágenes médicas generadas por estos procedimientos innovadores.
En resumen, el modelo MedDiff-FM representa un avance significativo en el área de las imágenes médicas, al combinar la tecnología de modelos de difusión y el aprendizaje profundo para optimizar el análisis y procesamiento de imágenes médicas de manera eficiente y versátil.