基于点的形状表示生成与保对应扩散模型.pdfVIP

ProceedingsofMachineLearningResearch1–12

基于点的形状表示生成与保对应扩散模型

ShenZhusz9jt@virginia.edu

YinzhuJinyj3cz@virginia.edu

IfrahZawaremv5rf@uvahealth.org

P.ThomasFletcherptf8v@virginia.edu

UniversityofVirginia,Charlottesville,VA,USA

Abstract

我们提出了一种扩散模型，旨在生成具有对应关系的基于点的形状表示。传统的统计形状模型广泛考

本虑了点对应关系，但当前的深度学习方法并未考虑这一点，而是专注于无序点云。当前针对点云的深

译度生成模型并没有解决在生成形状之间建立点对应关系的问题。本研究旨在制定一种扩散模型，该模

中型能够生成保留训练数据中存在点对应关系的真实基于点的形状表示。使用从OpenAccessSeriesof

ImagingStudies3(OASIS-3)衍生出的具有对应关系的形状表示数据，我们证明了我们的保持对应

1关系的模型可以有效地生成高度真实的基于点的海马体形状表示，相较于现有方法更为逼真。我们进

v

5一步通过下游任务展示了我们生成模型的应用，例如健康和AD患者的条件生成以及通过反事实生

2成预测疾病进展的形态变化。

9

3Keywords:点云，点分布模型，生成模型，扩散模型

0

.

8

01.介绍

5

2近期生成模型在生物医学领域展示了强大的能力(Khaderetal.,2023;Guetal.,2023;Jin

:

vetal.,2024;Pinayaetal.,2022;Fontanellaetal.,2023)。这些方法能够以高真实感生成不同模

i

x式的生物医学图像。生成模型有望解决医疗影像中的许多问题，包括通过小样本成像研究的数

r

a据增强来改进模型训练(Khaderetal.,2023)，帮助解释机器学习模型(Jinetal.,2024)，以及

进行反事实推理(Guetal.,2023)。

然而，生物医学领域中提出的大多数生成模型都集中在图像生成上。对解剖形状的生成模

型的关注较少。长期以来，解剖形状的分析一直是理解发育、衰老和疾病进展背后生物学过程

的重要因素。例如，阿尔茨海默病（AD）的特点是大脑结构萎缩，特别是海马体。如图1右侧

所示，基于点的形状表示使量化健康对照组与AD患者之间的局部形态变化成为可能，而体积

信息则不够精确，并会忽略局部形态变化。个体形状间的点对应关系对于定位解剖结构中的特

定形态差异至关重要。

传统统计模型长期以来一直广泛考虑对应关系（图1的左侧），但据我们所知，没有深度生

成模型考虑过这些对应关系。计算机视觉文献中的点云生成方法(Luoetal.,2021;Zengetal.,

2022)通常将点云生成过程视为从一个点分布中独立采样。Luoetal.(2021)使用扩散模型生

成受形状潜在变量条件约束的点云，该形状潜在变量由归一化流生成。Zengetal.(2022)提出

使用具有分层潜在空间