发布日期: 2025-07-17

更新日期: 2025-07-17

文章字数: 1k

阅读时长: 4 分

阅读次数:

⚠️ 以下所有内容总结都来自于大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-07-17 更新

PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution

Authors:Sanyam Jain, Bruna Neves de Freitas, Andreas Basse-OConnor, Alexandros Iosifidis, Ruben Pauwels

There has been increasing interest in the generation of high-quality, realistic synthetic medical images in recent years. Such synthetic datasets can mitigate the scarcity of public datasets for artificial intelligence research, and can also be used for educational purposes. In this paper, we propose a combination of diffusion-based generation (PanoDiff) and Super-Resolution (SR) for generating synthetic dental panoramic radiographs (PRs). The former generates a low-resolution (LR) seed of a PR (256 X 128) which is then processed by the SR model to yield a high-resolution (HR) PR of size 1024 X 512. For SR, we propose a state-of-the-art transformer that learns local-global relationships, resulting in sharper edges and textures. Experimental results demonstrate a Frechet inception distance score of 40.69 between 7243 real and synthetic images (in HR). Inception scores were 2.55, 2.30, 2.90 and 2.98 for real HR, synthetic HR, real LR and synthetic LR images, respectively. Among a diverse group of six clinical experts, all evaluating a mixture of 100 synthetic and 100 real PRs in a time-limited observation, the average accuracy in distinguishing real from synthetic images was 68.5% (with 50% corresponding to random guessing).

近年来，人们对生成高质量、逼真的合成医学图像的兴趣日益浓厚。这种合成数据集可以缓解公众数据集在人工智能研究方面的匮乏，并可用于教学目的。在本文中，我们提出结合基于扩散的生成（PanoDiff）和超分辨率（SR）技术来生成合成牙科全景放射影像（PRs）。前者生成一张低分辨率（LR）的PR种子（256 X 128），然后由其SR模型处理，生成一张高分辨率（HR）的PR，大小为1024 X 512。对于SR，我们提出了一种最先进的转换器，学习局部-全局关系，从而得到更清晰边缘和纹理。实验结果表明，7243张真实和合成图像之间（高分辨率）的Frechet inception距离得分为40.69。真实高分辨率、合成高分辨率、真实低分辨率和合成低分辨率图像的inception得分分别为2.55、2.30、2.90和2.98。在一组由六位临床专家组成的多元小组中，他们在有限的时间内观察混合的100张合成和100张真实PRs，平均准确区分真实和合成图像准确率为68.5%（其中50%是随机猜测的结果）。

论文及项目相关链接

PDF

Summary

本文提出一种结合扩散生成（PanoDiff）与超分辨率（SR）技术的方法，用于生成高质量、逼真的牙科全景放射图像（PR）。首先通过扩散生成技术生成低分辨率（LR）的PR种子（256 X 128），再通过SR模型处理，生成高分辨率（HR）的PR图像，其尺寸为1024 X 512。实验结果显示，真实与合成图像之间的Frechet inception距离得分为40.69。合成图像的Inception分数在不同类别中表现稳定。临床专家在有限时间内区分真实与合成图像的准确率仅为68.5%。

Key Takeaways