CardioDiT：用于4D心脏MRI合成的潜在扩散Transformer
计算机视觉与模式识别
2026-03-27 v1
摘要
潜在扩散模型（LDM）最近在3D医学图像合成中取得了强劲性能。然而，像电影心脏MRI（CMR）这样的模态表示心脏周期内的时间同步3D体积，增加了大多数生成方法不直接建模的额外维度。相反，它们对空间和时间进行分解，或通过解剖掩码等辅助机制强制时间一致性。这些策略引入了结构偏差，可能限制全局上下文整合，并导致细微的时空不连续性或生理上不一致的心脏动力学。我们研究了一个统一的4D生成模型是否可以在不进行架构分解的情况下学习连续的心脏动力学。我们提出了CardioDiT，一个基于扩散Transformer的完全4D潜在扩散框架，用于短轴电影CMR合成。时空VQ-VAE将2D+t切片编码为紧凑的潜在表示，然后扩散Transformer将其联合建模为完整的3D+t体积，在生成过程中耦合空间和时间。我们在公共CMR数据集和更大的私有队列上评估了CardioDiT，并将其与具有逐步增强的时空耦合的基线进行比较。结果显示切片间一致性提高、时间一致的运动和真实的心脏功能分布，表明通过扩散Transformer进行显式4D建模为时空心脏图像合成提供了原则性基础。代码和基于公共数据训练的模型可在 https://github.com/Cardio-AI/cardiodit 获取。
引用
@article{arxiv.2603.25194,
title = {CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis},
author = {Marvin Seyfarth and Sarah Kaye Müller and Arman Ghanaat and Isabelle Ayx and Fabian Fastenrath and Philipp Wild and Alexander Hertel and Theano Papavassiliu and Salman Ul Hassan Dar and Sandy Engelhardt},
journal= {arXiv preprint arXiv:2603.25194},
year = {2026}
}