超越目标分数：测量基于扩散的医学图像编辑中的脱靶漂移

扩散模型现在可以以视觉上合理的方式编辑医学图像，但标准评估问题太狭窄：目标分数是否增加了？在临床成像中，目标发现与合并症、采集效应和选择偏差纠缠在一起，因此模型可以通过改变相关的非目标发现而不是隔离预期的病理来显得成功。我们推出 CIB-Med-1，这是胸部放射线照相中受控生物标志物编辑的轨迹级基准。 CIB-Med-1 通过 14 个临床动机的干扰轴上的校准目标进展、反转率和脱靶语义漂移来评估定向胸腔积液编辑。该基准暴露了 奖励作弊 故障模式，其中扩散编辑器增加积液分数，同时改变实质、心纵隔、胸膜、慢性或伪影相关的发现。我们进一步提出了一个受约束的扩散指导基线，该基线可以在有限的脱靶变化的情况下优化目标进展。在保留的放射线照片中，受限编辑器保留目标进展（$ρ_{\mathrm{trend}}=0.88$ 与无约束指导的 $0.90$ 相比），同时将中位脱靶漂移从 $0.46$ 减少到 $0.20$，将 90% 漂移从 $0.98$ 减少到 $0.33$。漂移幅度跟踪经验目标-脱靶关联，支持语义不稳定性是结构化的而不是偶然的这一观点。对放射学学员进行的盲法人体验证进一步显示与预期的进展顺序有更强的一致性（$τ=0.61$ vs.\ $0.29$ for Pix2Pix）。这些结果表明，医学图像编辑应该被评估为轨迹级语义控制，而不是终点分数最大化。