연구진은 무감독 폐 병변 분할을 위해 DiffSegLung 프레임워크를 제안했어요. DiffSegLung은 3D 확산 U-Net의 병목 현상을 수동으로 설계된 방사선학적 특징을 사용하여 형성하는 Diffusion Radiomic Distillation 기술을 도입했어요.
병목 현상에 대한 구조를 학습된 표현으로 이전하여 어떠한 주석 없이 병리 차별화 구조를 학습해요. 추론 시에는 교사를 버리고 HU 가이드 라벨 할당을 통해 다중 타임스텝 병목 현상 특징을 클러스터링하고 경계 개선을 위해 Sobel 확산 융합을 사용해요.
전문가 주석이 있는 4개의 이질적인 CT 코호트에서 추출한 190개의 axial 슬라이스를 평가한 결과, DiffSegLung은 모든 병리 클래스에서 무감독 기준선보다 분할 성능을 향상시켰고 이전 CT 확산 모델보다 생성 충실도를 향상시켰어요.