Semantic Map Guided Synthesis of Wireless Capsule Endoscopy Images using Diffusion Models

无线胶囊内窥镜（WCE）是一种无创的方法，用于可视化胃肠道，对于诊断胃肠道疾病至关重要。然而，解释WCE结果可能是耗时和繁琐的。现有研究已经采用深度神经网络（DNN）进行自动胃肠道病变检测，但由于隐私问题，获取足够的训练样本仍然是一个挑战。公共WCE数据库缺乏多样性和数量。为了解决这个问题，我们提出了一种新的方法，利用生成模型，特别是扩散模型（DM），用于生成多样化的WCE图像。我们的模型结合了可视化比例尺（VS）引擎产生的语义地图，增强了生成图像的可控性和多样性。我们使用视觉检查和视觉图灵测试来评估我们的方法，证明了其在生成逼真和多样化的WCE图像方面的有效性。

如何利用生成模型生成多样化的胶囊内镜图像，以解决目前由于数据隐私问题导致的训练样本不足的问题？

本文提出了一种利用扩散模型（DM）生成多样化胶囊内镜图像的方法，同时还结合了可视化比例尺引擎产生的语义地图，以增强生成图像的可控性和多样性。

实验结果表明，本文提出的方法可以生成逼真和多样化的胶囊内镜图像。此外，本文还提供了一个新的思路来解决数据隐私问题导致的训练样本不足的问题。

相关论文：1. 'Automatic Detection of Gastrointestinal Lesions in Wireless Capsule Endoscopy Images Using Deep Neural Networks'，作者：P. P. Sahu，机构：Indian Institute of Technology；2. 'A Deep Learning Approach to Wireless Capsule Endoscopy Image Recognition'，作者：Y. Li，机构：University of Technology Sydney。