CAVM：条件自回归视觉模型用于对比增强脑肿瘤 MRI 合成

对比增强磁共振成像（MRI）是脑肿瘤分割与分析流程中的关键环节。铀造影剂作为最常用的增强剂，昂贵且可能潜在副作用，亟需获得无实际使用增强剂的对比增强脑肿瘤 MRI 扫描。深度学习方法已应用于从非对比图像合成虚拟对比增强 MRI 扫描。然而，由于该合成问题本质上是欠定的，这些方法在生成高质量结果方面不足。本文提出条件自回归视觉模型（CAVM）用于提高脑肿瘤 MRI 合成质量。由于图像强度随增强剂剂量的提高而增大，我们假设合成强度较小的虚拟图像更为可行，即对比增强图像与非对比图像之间的差异较小。因此，CAVM 渐进式增加增强剂剂量，并基于前面的低剂量图像生成更高剂量图像，直至达到最终所需剂量。灵感来源于渐进式剂量增加与自然语言处理中链式思考方法的相似性，CAVM 使用分解标记化器和解码器的自回归策略。具体而言，应用标记化器获取更紧凑的图像表示以提高计算效率，并将图像分解为剂量相关和剂量不变的标记。然后开发遮蔽自注意力机制，用于基于剂量相关标记逐步增加虚拟图像剂量。最后，解码器将更新后的剂量相关标记与剂量不变标记一起，用于生成最终的对比增强 MRI。