一种新颖的人工智能方法可以使用语义分割掩模生成 3D 大脑 MRI 图像，为医学图像合成和隐私保护带来突破。

这种名为 Med-DDPM 的新扩散模型是由研究团队提出的，该团队由大学的肖福仁博士和科技大学的包兴国博士领导。

该项研究最近发表在《IEEE 生物医学与健康信息学杂志》上。

医学成像对于医疗保健至关重要，但该领域的人工智能应用往往受到数据稀缺和患者隐私问题的限制。Med-DDPM 模型通过“语义调节”解决了这些挑战，这种方法将像素级掩模图像纳入扩散过程，以指导生成解剖学上连贯的 3D MRI。

Med-DDPM 避免了模式崩溃和空间不一致等常见问题，从而与现有的生成模型(例如生成对抗网络 (GAN))区分开来。它还能够仅使用掩码输入生成跨多种模态(T1、T1CE、T2 和 FLAIR)的脑部 MRI。

在脑肿瘤分割任务中，Med-DDPM 的合成图像获得了 0.6207 的 Dice 分数，与真实图像的表现(0.6531)非常接近。此外，当合成图像与真实数据相结合时，分割准确率提高到 0.6675，展示了该模型在数据增强方面的潜力。

研究人员解释说：“Med-DDPM 提供了一种可靠的解决方案，可生成高质量、解剖学上精确的 3D MRI，解决数据限制和隐私问题。”