一种用于T1对比增强MRI生成的高效3D潜在扩散模型
摘要
目标：铀对比剂（GBCAs）常与T1w MRI共同使用以增强病灶可视化，但在肾功能不全患者及GBCA给药方案差异可能导致影像不一致性方面受到限制。本研究开发了一种高效的3D深度学习框架，用于从预对比多参数MRI生成T1对比增强图像（T1C）。方法：我们提出了用于生成高质量T1C图像的3D潜在直线扩散模型（T1C-RFlow）。首先，将T1w和T2-FLAIR图像输入到预训练的自编码器中，以获取高效的潜在空间表示。然后，在该潜在空间表示上训练直线扩散模型。T1C-RFlow模型在由BraTS 2024脑肿瘤（GLI；1480例患者）、蛛网膜下腮腺瘤（MEN；1141例患者）和转移瘤（MET；1475例患者）数据集构成的精选数据集上进行训练。选取患者后分为训练组（N=2860）、验证组（N=612）和测试组（N=614）。结果：定性和定量结果均表明，T1C-RFlow模型在相同潜在空间中训练的基准3D模型（pix2pix、DDPM、扩散转换器（DiT-3D））之外，表现出更佳的性能。T1C-RFlow实现了以下指标——GLI：NMSE 0.044 ± 0.047，SSIM 0.935 ± 0.025；MEN：NMSE 0.046 ± 0.029，SSIM 0.937 ± 0.021；MET：NMSE 0.098 ± 0.088，SSIM 0.905 ± 0.082。T1C-RFlow在肿瘤重建方面表现最佳，且其去噪时间（6.9秒/体积，200步）显著快于常规DDPM模型，无论是在潜在空间（37.7秒，1000步）还是基于切片的图像空间（4.3小时/体积）。意义：本研究的方法在大幅度缩短生成时间后，能够生成与真实T1C图像高度一致的合成T1C图像。进一步的开发可能使其成为一种无对比剂脑肿瘤MRI的实用方法。
引用
@article{arxiv.2509.24194,
title = {An Efficient 3D Latent Diffusion Model for T1-contrast Enhanced MRI Generation},
author = {Zach Eidex and Mojtaba Safari and Jie Ding and Richard Qiu and Justin Roper and David Yu and Hui-Kuo Shu and Zhen Tian and Hui Mao and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2509.24194},
year = {2025}
}