Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging

📄 arXiv: 2504.08635v1 📥 PDF

作者: Gabriele Lozupone, Alessandro Bria, Francesco Fontanella, Frederick J. A. Meijer, Claudio De Stefano, Henkjan Huisman

分类: cs.CV

发布日期: 2025-04-11

备注: 15 pages, 9 figures, 7 tables

期刊: Medical Image Analysis (2026)

DOI: 10.1016/j.media.2026.103932

🔗 代码/项目: GITHUB

💡 一句话要点

提出潜空间扩散自编码器(LDAE)，用于高效且有意义的医学图像无监督表征学习。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 潜空间扩散模型 医学图像分析 无监督学习 阿尔茨海默病 图像重建 表征学习 自编码器

📋 核心要点

  1. 现有扩散自编码器直接在图像空间操作，计算成本高昂，难以处理3D医学图像。
  2. LDAE在压缩的潜空间中进行扩散过程，显著提升计算效率，同时保持表征的语义信息。
  3. 实验表明，LDAE在AD诊断、年龄预测和图像重建方面表现出色，且推理速度提升20倍。

📝 摘要（中文）

本研究提出了一种新的基于扩散的编码器-解码器框架，即潜空间扩散自编码器(LDAE)，用于在医学图像中进行高效且有意义的无监督学习。以阿尔茨海默病(AD)为例，使用ADNI数据库中的脑部MR图像作为案例研究。与在图像空间中运行的传统扩散自编码器不同，LDAE在压缩的潜空间表示中应用扩散过程，从而提高计算效率，并使3D医学图像表征学习变得可行。为了验证所提出的方法，我们探讨了两个关键假设：(i)LDAE有效地捕获与AD和衰老相关的3D脑部MR上有意义的语义表示，以及(ii)LDAE在计算效率高的同时，实现高质量的图像生成和重建。实验结果支持这两个假设：(i)线性探针评估显示了AD的有希望的诊断性能(ROC-AUC: 90%, ACC: 84%)和年龄预测(MAE: 4.1 years, RMSE: 5.2 years)；(ii)学习到的语义表示能够进行属性操作，产生解剖学上合理的修改；(iii)语义插值实验显示了缺失扫描的强大重建能力，6个月间隔的SSIM为0.969(MSE: 0.0019)。即使对于更长的间隔(24个月)，该模型也能保持强大的性能(SSIM > 0.93, MSE < 0.004)，表明其能够捕获时间进展趋势；(iv)与传统的扩散自编码器相比，LDAE显著提高了推理吞吐量(快20倍)，同时也提高了重建质量。这些发现使LDAE成为一个有前途的可扩展医学成像应用框架，并有可能成为医学图像分析的基础模型。

🔬 方法详解

问题定义：论文旨在解决医学图像，特别是3D脑部MR图像的无监督表征学习问题。现有扩散自编码器直接在像素空间进行扩散和逆扩散过程，计算量巨大，难以应用于高分辨率的3D医学图像，限制了其在实际临床应用中的潜力。

核心思路：论文的核心思路是将扩散过程从图像空间转移到低维的潜空间中进行。通过一个编码器将原始图像压缩到潜空间，然后在潜空间中进行扩散和逆扩散过程，最后通过解码器将潜空间表示重构回图像。这样可以显著降低计算复杂度，提高效率。

技术框架：LDAE框架包含编码器、解码器和潜空间扩散模型三个主要模块。编码器将输入图像映射到低维潜空间；潜空间扩散模型在潜空间中进行前向扩散过程（逐步添加噪声）和反向扩散过程（从噪声中恢复信号）；解码器将潜空间表示映射回图像空间，实现图像重建。整个框架通过最小化重建误差进行端到端训练。

关键创新：LDAE的关键创新在于将扩散过程从图像空间转移到潜空间。这使得模型能够处理高分辨率的3D医学图像，并显著提高了计算效率。此外，在潜空间中进行扩散过程也有助于学习到更鲁棒和有意义的图像表征。

关键设计：编码器和解码器通常采用卷积神经网络结构。潜空间扩散模型可以使用各种扩散模型架构，例如DDPM或DDIM。损失函数通常包括重建损失（例如MSE或SSIM）和扩散模型的损失函数。论文中可能还使用了特定的正则化项来约束潜空间表示，例如鼓励潜空间表示具有良好的可分离性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，LDAE在AD诊断方面取得了90%的ROC-AUC和84%的准确率，在年龄预测方面取得了4.1年的MAE和5.2年的RMSE。与传统扩散自编码器相比，LDAE的推理速度提高了20倍，同时重建质量也得到了提升。语义插值实验表明，LDAE能够有效地重建缺失的扫描，即使对于24个月的间隔，也能保持较高的重建质量(SSIM > 0.93, MSE < 0.004)。

🎯 应用场景

LDAE在医学图像分析领域具有广泛的应用前景，例如疾病诊断、预后预测、图像重建、图像配准和图像分割等。它可以作为医学图像分析的基础模型，为各种下游任务提供高质量的图像表征。此外，LDAE还可以用于生成新的医学图像，例如用于数据增强或模拟疾病进展过程。

📄 摘要（原文）

This study presents Latent Diffusion Autoencoder (LDAE), a novel encoder-decoder diffusion-based framework for efficient and meaningful unsupervised learning in medical imaging, focusing on Alzheimer disease (AD) using brain MR from the ADNI database as a case study. Unlike conventional diffusion autoencoders operating in image space, LDAE applies the diffusion process in a compressed latent representation, improving computational efficiency and making 3D medical imaging representation learning tractable. To validate the proposed approach, we explore two key hypotheses: (i) LDAE effectively captures meaningful semantic representations on 3D brain MR associated with AD and ageing, and (ii) LDAE achieves high-quality image generation and reconstruction while being computationally efficient. Experimental results support both hypotheses: (i) linear-probe evaluations demonstrate promising diagnostic performance for AD (ROC-AUC: 90%, ACC: 84%) and age prediction (MAE: 4.1 years, RMSE: 5.2 years); (ii) the learned semantic representations enable attribute manipulation, yielding anatomically plausible modifications; (iii) semantic interpolation experiments show strong reconstruction of missing scans, with SSIM of 0.969 (MSE: 0.0019) for a 6-month gap. Even for longer gaps (24 months), the model maintains robust performance (SSIM > 0.93, MSE < 0.004), indicating an ability to capture temporal progression trends; (iv) compared to conventional diffusion autoencoders, LDAE significantly increases inference throughput (20x faster) while also enhancing reconstruction quality. These findings position LDAE as a promising framework for scalable medical imaging applications, with the potential to serve as a foundation model for medical image analysis. Code available at https://github.com/GabrieleLozupone/LDAE