AI用語集
人工知能の完全辞典
スコアマッチングデノイジング
拡散モデルの基礎となる基本的な手法で、ニューラルネットワークが各ステップで画像に追加されたノイズを予測することを学習し、ノイズ除去プロセスを逆転させることで元の画像を再構築できるようにします。
潜在拡散モデル (LDM)
オートエンコーダーを介して取得されたより低次元の潜在空間で動作する拡散モデルアーキテクチャで、生成品質を維持しながら計算コストを大幅に削減します。
医用画像合成
拡散モデルを使用して新しいリアルな医用画像（MRI、CTスキャンなど）を作成する応用で、トレーニングデータセットの増強、患者のプライバシー保護、またはまれな病気のシミュレーションに使用されます。
医用画像の超解像
拡散モデルを通じて低品質な医用画像の空間分解能を向上させるプロセスで、より正確な診断に不可欠な微細な詳細を明らかにします。
医用画像のデノイジング
拡散モデルを使用してMRIやCTスキャンなどの医用画像取得に存在する特定のノイズ（例：ポアソンノイズ、ライシアンノイズ）を除去し、信号対雑音比を向上させること。
医用画像のインペインティング
拡散モデルを使用して、周囲の解剖学的脈絡と整合する方法で隙間を埋めることにより、医用画像の欠落または破損した領域を再構築または置換する手法。
連続時間ステップ拡散モデル
拡散プロセスを時間内の連続確率過程として扱う高度なアプローチで、離散ステップモデルと比較してより大きな柔軟性とより良いサンプリング効率を提供します。
拡散用U-Netアーキテクチャ
エンコーダーパスとデコーダーパスをスキップ接続で持つU字型のニューラルネットワーク構造で、各ステップでノイズを効果的に予測するために拡散モデルのバックボーンとして一般的に使用されます。
診断的忠実性
医療画像に特有の評価基準で、拡散モデルによって合成または改善された画像が正確な診断のために臨床的に関連する特徴を保持する能力を測定します。
解剖学的整合性
拡散モデルによって生成または変更された医療画像が、臨床的に有効であるためには人体の既知の解剖学的制約と関係を尊重する必要があるという原則。
拡散モデルのためのドメイン適応
自然写真などの画像ドメインで事前学習された拡散モデルを、追加の学習データが少ない場合でも医療画像のような特定のターゲットドメインに適応させる技術。