脑肿瘤延迟标准的预处理工作流程,以进行进一步检查。脑介绍提供了一种可行的,但困难的肿瘤组织加工解决方案,这对于提高诊断和治疗的精度是必不可少的。但是,在捕获脑成像中固有的复杂的非线性潜在表示方面,通常会面临挑战。为了完成高质量的健康脑组织重建,这项工作提出了Diffkan Inpainting,这是一种创新的方法,将扩散模型与Kolmogorov-Arnold Networks架构融为一体。在置换过程中,我们介绍了重新粉刷的方法和肿瘤信息,以生成更高的保真度和更光滑的边缘的图像。定性和定量结果都表明,与最先进的方法相比,我们提出的Diffkan Inpainting Inpaints对Brats数据集更详细和现实的重建。从消融研究中获得的知识为将来的研究提供了见解,以平衡绩效与计算成本。
主要关键词
![arxiv:2502.16771v1 [eess.iv] 2025年2月24日PDF文件第1页](/bimg/5/5e739a0e4e02d5610cb48279e863fa44e67b84f8.webp)
![arxiv:2502.16771v1 [eess.iv] 2025年2月24日PDF文件第2页](/bimg/8/84a2dfaa7c0e0d50ed9fa4491692fb9df1dafdda.webp)
![arxiv:2502.16771v1 [eess.iv] 2025年2月24日PDF文件第3页](/bimg/8/8f09a4ade37002466a27e38715c5ed9e60fd57ae.webp)
![arxiv:2502.16771v1 [eess.iv] 2025年2月24日PDF文件第4页](/bimg/8/8c0623bfc78a903aced13ce2f370303bdca2cad2.webp)
