基于扩散模型的医学图像生成方法

本发明公开了一种基于扩散模型的医学图像生成方法，本发明引入了一种基于潜在扩散模型LDM的新颖方法，使用肿瘤掩模和CT图像作为条件输入，来生成包含肿瘤病灶的高质量PET图像。这种方法利用向量量化变分自编码器VQVAE对图像进行编码，使用扩散模型在隐空间进行去噪，以及利用条件编码器来指导生成过程。本发明能够生成具有可控形状、大小和位置的真实肿瘤，能模仿真实肿瘤的结构和代谢活动。与真实PET影像的比较实验表明，生成的影像具有高保真度，突出了这种方法在数据有限环境中增强AI算法性能的潜力。