桥接 MRI 与 PET 生理学：通过正交表示解耦互补性
计算机视觉与模式识别
2026-04-09 v1 人工智能
摘要
多模态成像分析通常依赖联合隐式表示，但这些方法很少定义哪些信息是共享的、哪些是模态特有的。澄清这一区分在临床上具有重要意义，因为它界定了每种模态的不可约贡献，并为合理的采集策略提供指导。我们提出一种子空间分解框架，将多模态融合重新表述为正交子空间分离问题而非图像翻译问题。我们将前列腺特异性膜抗原（PSMA）PET 摄取分解为一个可由 MRI 解释的生理包络和一个正交残差，后者反映无法在 MRI 特征流形中表达的信号分量。利用多参数 MRI，我们训练了一个基于强度的、非空间隐式神经表示（INR），将 MRI 特征向量映射至 PET 摄取。我们引入了一种基于奇异值分解的投影正则化，以惩罚位于 MRI 特征流形张成空间内的残差分量。这在组织层面的生理特性（结构、扩散、灌注）与细胞内 PSMA 表达之间强制建立了数学正交性。在 13 名前列腺癌患者上的测试表明，由 MRI 特征张成的残差分量被吸收到所学包络中，而正交残差在肿瘤区域最大。这表明 PSMA PET 包含无法从 MRI 导出的生理描述符中恢复的信号分量。所得分解提供了一种基于表示几何而非图像翻译的结构化模态互补性表征。
引用
@article{arxiv.2604.07154,
title = {Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations},
author = {Sonja Adomeit and Kartikay Tehlan and Lukas Förner and Katharina Weisser and Helen Scholtiseek and David Kaufmann and Julie Steinestel and Constantin Lapa and Thomas Kröncke and Thomas Wendler},
journal= {arXiv preprint arXiv:2604.07154},
year = {2026}
}
备注
The code is available at https://github.com/SonjaA14/inrmri2pet