🔥 今日值得一读
扩散模型单次推理直接生成群体图谱，无需重训，多领域最优！
Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models
👨💼 主理人解读 · 为什么值得关注
开发者可直接用预训练扩散模型单次推理生成群体模板图谱，省去配准与重训练，适合医学影像分析。
📖 AI 总结
该研究提出一种新的扩散模型推理采样器，使预训练模型无需重新训练即可获得一项原本不具备的能力：构建其所生成人群的图谱。该采样器从任意随机种子出发均收敛至人群的中心解剖结构，作者称之为“内在图谱”。其优势体现在三方面：无需重训练，单次推理即可从已学习到一致人群特征的扩散模型中提取图谱，且不涉及可变形配准；适用于脑部MRI、胸部X光、人脸和三维形状等多个领域；可扩展至亚人群，例如年龄条件模型能生成训练范围内任意年龄的图谱，并复现健康衰老过程中的脑脊液扩张。在配准目标评估中，内在图谱在每个数据集上均达到最优或次优，在留出脑部MRI队列中是最具中心性的模板。该工作将图谱构建重新定义为生成式建模的副产品，表明扩散模型本身就是人群结构的学习表示，图谱是其已然包含的内容。
🔑 关键词速览
| 扩散模型 | 一种生成模型，通过逐步去噪过程从随机噪声中合成数据。 |
| 内在图谱 | 由扩散模型推理时采样器收敛得到的群体中心解剖结构，无需额外训练。 |
| 可变形配准 | 一种图像配准技术，允许图像间发生非线性形变以对齐解剖结构。 |
| 脑脊液扩张 | 健康衰老过程中脑脊液空间增大的现象，常作为神经退行性变的标志。 |
| 年龄条件模型 | 一种扩散模型，其生成过程以年龄为条件，可生成特定年龄的解剖图谱。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅