近日，醫(yī)學(xué)工程學(xué)院青年教師王沖博士在國(guó)際權(quán)威期刊Medical Image Analysis上發(fā)表了題為ArtiDiffuser: A Unified Framework for Artifact Restoration and Synthesis for Histology Images via Counterfactual Diffusion Model的研究論文。王沖博士為第一作者，我校醫(yī)學(xué)工程學(xué)院為第一單位。

近年來(lái)，病理圖像中的偽影對(duì)病理分析尤其是自動(dòng)診斷帶來(lái)了嚴(yán)峻挑戰(zhàn)。針對(duì)這一問(wèn)題，該團(tuán)隊(duì)提出了ArtiDiffuser框架——一種反事實(shí)擴(kuò)散模型，僅通過(guò)學(xué)習(xí)正常病理圖像即可實(shí)現(xiàn)偽影的修復(fù)，并且有效保持了圖像的結(jié)構(gòu)信息及色彩信息不變。此外，該團(tuán)隊(duì)還提出了一種處理偽影問(wèn)題的新視角，即通過(guò)生成偽影作為訓(xùn)練階段的數(shù)據(jù)增強(qiáng)方式，從而提高模型的魯棒性。在四個(gè)不同數(shù)據(jù)集的測(cè)試中，ArtiDiffuser的表現(xiàn)均優(yōu)于先前的方法。該研究為醫(yī)學(xué)圖像標(biāo)準(zhǔn)化處理提供了創(chuàng)新性解決方案，對(duì)推進(jìn)臨床診斷的精確性具有重要意義。

據(jù)悉，Medical Image Analysis屬于中科院一區(qū)Top期刊，影響因子為10.7分。