アクティブ拡散マッチング：スコアベースの反復的アライメントによる異種網膜画像の整合
arXiv cs.CV / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- Active Diffusion Matching（ADM）を提案し、視点範囲の大きな差および網膜外観の曖昧さによって生じる困難を解決しつつ、標準眼底画像（SFI）と超広角眼底画像（UWF I）の正確な位置合わせを実現します。
- ADMは、反復的ランジュバン・マルコフ連鎖（iterative Langevin Markov chain）において相互に依存する2つのスコアベース拡散モデルを用い、グローバルな変換とローカルな変形を共同推定することで、位置合わせを確率的かつ段階的に探索できるようにします。
- 本論文では、ADMの適応性を特定の入力画像ペアに対して高めるための独自のサンプリング戦略を導入します。
- 実験結果では、最先端の位置合わせ精度が報告されており、プライベートなSFI-UWFIデータセットでmAUCが+5.2ポイント、公開データセット（SFI-SFI）で+0.4ポイントの向上が、従来手法に対して得られています。
- さらに検証が進められれば、ADMは異種網膜画像の整合をより良く可能にすることで統合的な眼科解析を改善し、下流の学習ベース画像強調や診断精度の向上を支える可能性があります。
