Step-Calibrated Diffusion for Biomedical Optical Image Restoration

高质量、高分辨率的医学成像对于临床护理至关重要。基于拉曼的生物医学光学成像利用非电离辐射来实时评估人体组织，用于早期癌症检测、脑肿瘤诊断和术中组织分析。然而，光学成像容易受激光散射和吸收的影响而导致图像退化，可能导致诊断错误和误导性治疗。图像恢复是一项具有挑战性的计算机视觉任务，因为图像退化的来源是多因素、随机的，并且依赖于组织，这阻碍了获得配对低质量/高质量数据的简单方法。在这里，我们提出了一种无配对图像恢复方法Restorative Step-Calibrated Diffusion（RSCD），将图像恢复问题视为完成基于扩散的图像生成任务的最后几步。RSCD使用步进校准模型动态确定图像退化的严重程度和完成反向扩散过程以进行图像恢复所需的步数。RSCD在恢复光学图像方面在图像质量和感知评估指标上优于其他广泛使用的无配对图像恢复方法。医学成像专家在盲比较实验中一致偏好使用RSCD恢复的图像，并报告最小或没有幻觉。最后，我们展示了RSCD提高了下游临床成像任务的性能，包括自动化脑肿瘤诊断和深层组织成像。我们的代码可在https://github.com/MLNeurosurg/restorative_step-calibrated_diffusion上获得。

本文旨在解决光学成像中由于激光散射和吸收导致的图像退化问题，提出了一种无配对图像修复方法，即Restorative Step-Calibrated Diffusion (RSCD)，并验证了该方法对医学成像的应用效果。

该方法将图像修复问题视为完成基于扩散的图像生成任务的最后步骤，使用步进校准器模型动态确定图像退化的严重程度和完成反向扩散过程所需的步骤数，从而实现图像修复。

该方法在图像质量和感知评估指标上优于其他广泛使用的无配对图像修复方法，医学成像专家在盲比较实验中一致偏好使用RSCD修复的图像，并报告最小的幻觉。此外，该方法还改善了下游临床成像任务的性能，包括自动化脑肿瘤诊断和深层组织成像。作者提供了开源代码。

在最近的相关研究中，还有一些关于医学成像的无配对图像修复方法，如CycleGAN和UNIT。