CarDiff：解剖感知的龋齿合成框架
热点事件持续更新
CarDiff：解剖感知的龋齿合成框架
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Sanyam Jain 等作者提出半监督扩散框架 CarDiff，用于全景 X 光片中的龋齿合成。该框架结合配对掩码-图像学习与增强掩码自监督生成，并引入病灶区域与周围结构的解剖感知条件。 在 MLUA-DC1000 数据集上，CarDiff 的 FID 为 90.76、LPIPS 为 0.48，均为所评估方法中最佳。作者称，用 5 倍增强训练集做下游分割，平均 Dice 分数最高提升 6.5%，中等与复合病灶类别增益更大。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
CarDiff：基于扩散模型的口腔解剖感知龋齿合成框架报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.LGCarDiff：基于扩散模型的口腔解剖感知龋齿合成框架
CarDiff 是一个用于全景X光片龋齿合成的半监督扩散框架，结合配对掩码-图像学习与增强掩码自监督生成，并引入病灶区域与周围结构的解剖感知条件。在 MLUA-DC1000 数据集上，其 FID 为 90.76、LPIPS 为 0.48，均为所评估方法中最佳。用 5 倍增强训练集做下游分割，平均 Dice 分数最高提升 6.5%，中等与复合病灶类别增益更大。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。