OpenMAP-HIE：病理信息引导的基于得分的扩散模型，用于无监督新生儿缺氧缺血性脑病病灶分割

在表观扩散系数（ADC）图像上准确定位新生儿缺氧缺血性脑病（HIE）病灶具有重要的临床意义，但受限于专家标注稀缺以及病灶外观存在显著差异。我们提出了 OpenMAP-HIE，这是一种病理信息引导的基于得分的扩散模型，无需逐体素病灶监督即可实现无监督 HIE 病灶定位。去噪扩散模型学习健康新生儿的 ADC 分布，而基于 ControlNet 的条件分支则保留患者特异性解剖结构。在推理阶段，异常证据直接根据在独立评估的不同扩散噪声水平下，条件噪声预测与无条件噪声预测之间的差异获得，从而避免依赖最终的伪健康重建或连续的反向扩散链。基于急性 HIE 所伴随的 ADC 特征性降低，仅保留与预期病理方向一致的差异，并使用几何平均在不同噪声水平间进行聚合。空间均值滤波进一步抑制孤立响应。该框架在 BONBID-HIE 数据集上进行了评估。仅使用 ADC 的方法取得了 $0.283\pm0.244$ 的 Dice 分数、$0.505$ 的平均精度、$25.45\pm15.63$ mm 的 Hausdorff 距离、$9.40\pm8.49$ mm 的平均表面距离以及 $0.355\pm0.236$ 的归一化表面距离，在所评估的无监督方法中实现了最佳的重叠和表面距离性能，其 Dice 性能与有监督的仅使用 ADC 的模型相当。进一步采用基于群体数据得到的 ADC $Z$-map 进行可选细化后，Dice 分数提升至 $0.602\pm0.269$。这些结果表明，病理信息引导的得分差异可作为新生儿 HIE 病灶定位的有效信号，同时也凸显了检测小病灶和低对比度病灶仍面临的挑战。