使用去噪扩散概率模型同步双视图乳房 X 线照片合成

乳腺癌筛查在很大程度上依赖于乳房X线照相术，头尾位（CC）和内侧斜位（MLO）视图为诊断提供补充信息。然而，许多数据集缺乏完整的配对视图，限制了依赖于跨视图一致性的算法的开发。为了解决这一差距，我们提出了一种三通道去噪扩散概率模型，能够同时生成单个乳房的 CC 和 MLO 视图。在这种配置中，两个乳房X线摄影视图存储在单独的通道中，而第三个通道对它们的绝对差异进行编码，以指导模型学习投影之间连贯的解剖关系。 Hugging Face 的预训练 DDPM 在私人筛选数据集上进行了微调，并用于合成双视图对。评估包括通过自动乳房掩模分割和与真实图像的分布比较的几何一致性，以及交叉视图对齐的定性检查。结果表明，基于差异的编码有助于跨视图保留全局乳房结构，生成类似于真实采集的合成 CC-MLO 对。这项工作展示了使用差异引导 DDPM 同步双视图乳房 X 线照片合成的可行性，突出了其在数据集增强和未来乳腺成像中跨视图感知 AI 应用的潜力。