🤖 AI

Disentangled Anatomy-Disease Diffusion (DADD) for Controllable Ulcerative Colitis Progression Synthesis

本文提出了分离解剖与疾病扩散（DADD）框架，该框架通过特征净化器和三路径交叉注意力机制，将患者特异性解剖结构与疾病严重程度解耦，从而合成可控的纵向溃疡性结肠炎内镜图像，生成涵盖所有严重程度的高保真图像，以平衡偏斜数据集并提升下游分类性能。

原作者： Umut Dundar, Alptekin Temizel

发布于 2026-05-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Umut Dundar, Alptekin Temizel

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你有一张通过内窥镜拍摄的人胃黏膜照片。有时，这种黏膜是健康且粉红色的；而在其他时候，由于一种称为溃疡性结肠炎的病症，它会变得红肿、肿胀并出现溃疡。医生使用 0 到 3 的评分来描述病情的严重程度。

问题在于医疗数据稀缺。我们没有足够多的同一位患者在疾病各个阶段的照片，来研究其随时间的变化。此外，我们现有的照片也是不平衡的：我们有大量的“健康”照片，但“严重”病例的照片却非常少。

本文的作者开发了一种名为DADD（解耦解剖 - 疾病扩散）的工具来解决这一问题。你可以将其想象为一个“医疗时光穿梭照片编辑器”。

以下是其工作原理，使用简单的类比说明：

1. 问题：“粘糊糊”的混乱

通常，当你尝试使用 AI 修改照片中的疾病（例如，将健康的胃转变为生病的胃）时，AI 会感到困惑。这就像试图在油漆未干时重新粉刷墙壁；新颜色会与旧纹理混合在一起。

从技术上讲，AI 对患者独特解剖结构（胃的褶皱和形状）的“记忆”与对疾病（红肿和溃疡）的“记忆”纠缠在一起。如果你告诉 AI 让疾病恶化，它可能会意外地改变胃的形状。如果你告诉它让疾病好转，它可能会意外地抹去患者的独特特征。

2. 解决方案：“特征净化器”（洗衣机）

为了解决这个问题，DADD 使用了一个名为特征净化器的特殊组件。

想象 AI 的图像数据是一篮待洗的衣物，其中患者的“解剖结构”是干净的白衬衫，而“疾病”是沾满泥的袜子。它们全都混在一起。

净化器观察这篮衣物，识别出哪些部分是“沾满泥的袜子”（疾病），并将其移除。
它只留下“干净的白衬衫”（患者独特的解剖结构）。
现在，AI 拥有了一个仅包含患者胃结构的干净画布，没有任何疾病附着。

3. “三路通道”厨房

一旦 AI 拥有了干净的解剖结构，它就需要将疾病重新添加回去，但需达到特定的水平（例如，“让它看起来像 2 级严重程度”）。

作者构建了一个特殊的厨房，拥有三条独立的传送带（通道）向烹饪锅（AI 模型）输送原料：

解剖传送带：运送干净的患者结构。
疾病传送带：运送添加何种疾病的指令。
增量传送带：运送改变多少的指令。

秘密配方（频率感知路由）：
AI 知道图像的不同部分需要不同的处理。

低分辨率层（宏观画面）就像胃的骨架。AI 将解剖传送带的数据发送到这里，以确保胃的形状不发生改变。
高分辨率层（细微细节）就像皮肤纹理。AI 将疾病传送带的数据发送到这里，以绘制红肿和溃疡，而不会弄乱形状。

这确保了患者看起来像自己，但疾病完全按照要求呈现。

4. “增量控制”：音量旋钮

大多数改变图像的 AI 工具要求你运行两次过程（一次查看图像，另一次查看如果不给出指令会发生什么），以找出差异。这很慢。

DADD 使用增量控制。你可以将其想象为一个音量旋钮或调光开关。

你不需要运行机器两次，只需转动旋钮。
如果你想从“轻度”变为“重度”，就把旋钮调大。
如果你想从“重度”变为“痊愈”，就把旋钮调小。
这一切在单次通过中完成，使过程比其他方法快两倍。

他们取得了什么成果？

他们在真实的结肠镜图像数据集（LIMUC）上测试了这一点。

结果：他们可以将轻度疾病患者的照片生成该同一位患者患有重度疾病的照片，反之亦然。
证明：当他们使用这些生成的照片来训练计算机诊断疾病时，计算机在区分轻度和重度病例方面表现得更好。
注意事项：如果你将“音量旋钮”（控制比例）调得太高，图像就会失真并显得奇怪。但在合适的设置下，它运作得非常完美。

简而言之：DADD 是一种将患者独特的身体形状与其疾病分离的工具，允许医生模拟该特定患者的病情随时间可能如何好转或恶化，同时保持患者的身份特征不变。

技术摘要：用于可控溃疡性结肠炎进展合成的解耦解剖 - 疾病扩散模型（DADD）

1. 问题陈述

在可控疾病阶段合成纵向医学图像受到患者特异性解剖特征与病理纹理纠缠的阻碍。在溃疡性结肠炎（UC）的背景下，疾病严重程度遵循由梅奥内镜评分（MES）定义的连续有序进展，范围从 0（正常）到 3（严重）。现有数据集（如 LIMUC）由于重复内镜检查的侵入性，存在严重的类别不平衡且缺乏纵向随访数据。

当前的生成方法面临一个关键的“纠缠瓶颈”。基于参考图像条件生成（例如使用 CLIP 编码器的 IP-Adapter）的方法，不可避免地会将源疾病病理嵌入到解剖表征中。当尝试合成反事实进展（例如将源图像从 MES 3 变为 MES 0）时，模型会接收到冲突的信号：它必须在保留解剖结构的同时，擦除源病理并生成新的严重程度。这种语义冲突往往导致结构伪影或无法去除现有的疾病特征。

2. 方法论

所提出的框架**解耦解剖 - 疾病扩散模型（DADD）**通过在潜在扩散模型中显式分离解剖身份与疾病严重程度来解决这一问题。该架构将三个新颖组件集成到标准的 Stable Diffusion 骨干网络中：

2.1 加性有序嵌入器（AOE）

为了模拟 MES 的连续性，该框架采用 AOE，将严重程度表示为可学习增量的累积和。较高的 MES 级别包含较低级别的所有特征以及额外的病理特征。这使得通过连续插值生成任意中间严重程度级别成为可能。

2.2 特征净化器

为了解决解剖结构与源疾病之间的纠缠，引入了特征净化器。该模块分三个阶段运行：

识别：交叉注意力层根据源疾病嵌入（源自源 MES 标签）查询图像令牌，以识别与疾病相关的通道。
门控：门控 MLP 生成 Sigmoid 掩码，以控制对这些已识别特征的抑制。
擦除：门控残差减法从图像令牌中移除疾病成分，生成“净化”后的解剖令牌（ $e_{clean}$ ），这些令牌保留了结构身份但缺乏源病理。

2.3 三路径交叉注意力

DADD 不使用拼接所有条件令牌，而是利用分裂注入机制，将三个不同的路径注入到 U-Net 中：

解剖路径：使用预训练投影处理净化后的解剖令牌（ $e_{clean}$ ），以保留结构重建。
疾病路径：使用单独的无偏置投影处理目标疾病令牌（ $e_{aoe}^t$ ）。
增量路径：处理源自目标与源嵌入之差的定向严重程度变化（ $\Delta$ ）。

频率感知路由：该框架采用分辨率依赖的路由门（ $g_a, g_d$ ）来加权不同 U-Net 深度处解剖与疾病的贡献。低分辨率块（捕捉全局结构）被赋予较高的解剖权重，而高分辨率块（捕捉精细纹理）被赋予较高的疾病权重。这确保了疾病编辑仅限于细粒度的病理纹理，而不会破坏全局黏膜结构。

2.4 增量导向

为了在不产生分类器自由引导（CFG）计算成本的情况下实现对疾病转变的精确控制，作者引入了增量导向。这是一种无训练的、单程的定向信号，源自目标与源有序嵌入之间的投影差。

机制： $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$ 。
操作：在推理过程中， $\Delta$ 通过无偏置的疾病投影进行处理，将带有符号且幅度成比例的信号注入注意力机制。
优势：这消除了对无条件前向传递的需求，与标准 CFG 相比，推理延迟降低了约 2 倍。

3. 主要贡献

通过擦除实现解耦：一种基于交叉注意力的特征净化器，能够动态识别并抑制图像令牌中与疾病相关的通道，有效地将解剖结构与病理分离。
频率感知注入：一种具有固定路由门的三路径交叉注意力机制，根据分辨率层次结构将解剖和病理信号引导至适当的 U-Net 层。
增量导向：一种新颖的单程控制机制，用于单调疾病进展，提供带有符号且幅度成比例的控制，为 CFG 提供了更高效的替代方案。
针对性增强：实证表明，合成特定受试者的纵向数据能有效重新平衡偏斜的类别分布，提升下游分类性能。

4. 实验结果

该框架在 LIMUC 数据集（10,284 张图像）上使用 Stable Diffusion v1.4 进行了验证。

生成质量：虽然某些变体（DADD-I, DADD-U）实现了较低的 Fréchet 初始距离（FID）分数，但它们未能产生具有判别性的病理特征，导致下游任务中表现近乎随机。**分层路由（DADD-H）**配置将疾病注入与高分辨率层对齐，实现了最佳平衡。
下游分类：与基线相比，DADD-H 显著提高了分类准确率和二次加权 Kappa（QWK）。在“仅合成”训练场景（无真实数据）中，DADD-H 实现了61.68% 的准确率和70.74 的 QWK，优于 IP-AOE 基线（54.54% / 42.20 QWK）。
严重程度保真度：在真实数据上训练的回归评估器对合成输出进行了评估。DADD-H 实现了81.53 的 QWK和0.46 的 RMSE，与在真实数据上训练的模型性能（83.28 QWK / 0.47 RMSE） closely 匹配。这证实了模型真正转化了病理，而非复制源图像。
推理速度：由于单程增量导向机制，DADD 变体比基于 CFG 的基线实现了约2 倍的速度提升（例如，在批量大小为 8 时，187.3 毫秒/张图像 vs. 314.6 毫秒/张图像）。
定性分析：视觉比较显示，DADD-H 在合成较低严重程度级别（例如 MES 3 $\to$ 0）时成功擦除了现有的病理纹理，而 IP-Adapter 基线未能去除源疾病，导致纠缠的生成结果。

5. 意义与主张

该论文声称，DADD 提供了一个稳健的框架，用于合成纵向医学图像，在保留患者特异性解剖结构的同时可控地调节疾病严重程度。作者强调：

分布相似性（FID）不足以验证条件进展合成；FID 较低的模型可能无法有意义地改变病理。
解耦至关重要：在反事实生成期间，必须显式地从解剖嵌入中擦除源疾病信息，以避免语义冲突。
效率：增量导向机制为 CFG 提供了一种计算高效的替代方案，使可控合成在临床应用中更加实用。
临床效用：生成平衡的、特定受试者的纵向数据的能力，直接解决了医学数据集中固有的类别不平衡问题，改善了下游诊断分类器的训练。

作者指出，性能仍对导向尺度（ $\lambda_{steer}$ ）敏感， $\ge 5$ 的值会引入结构伪影，并建议未来的工作集中在每类导向计划以及扩展到其他纵向医学模态上。