Contrast-X：多模态对比图像合成基准与通用模态流匹配
计算机视觉与模式识别
2026-05-11 v2
摘要
对比增强成像对肿瘤诊断至关重要，但对比剂对许多最需要它的患者可能是禁忌。从非对比输入合成对比扫描是自然的应对之策。然而，两大障碍阻碍了进展：没有基准提供配对的对比数据及病灶级评估，也没有单一模型能处理实践中遇到的任意缺失模式。我们引入了 Contrast-X，一个涵盖 CT（1,526 名患者）中 10 个器官和多期乳腺 DCE-MRI（1116 名患者）的配对对比增强与非对比成像基准。每个病例都带有放射科医生验证的期相标签和肿瘤掩膜。我们进一步提出了 FlowMI，这是一个通过统一的多模态潜在空间和流匹配来处理任意可用模态子集的单一模型。我们对一系列缺失模态配置进行了基准测试，报告了标准图像质量指标、放射科医生阅片研究以及合成扫描上的下游病灶分析。我们进一步评估了跨器官泛化能力，以检验模型是否学到了可迁移的对比增强操作。数据集、代码和排行榜将公开发布。我们的代码可在 https://github.com/YifanChen02/Contrast-X 获取。
引用
@article{arxiv.2601.15884,
title = {Contrast-X: A Multi-Modal Contrast Image Synthesis Benchmark and Universal Modality Flow Matching},
author = {Yifan Chen and Fei Yin and Hao Chen and Jia Wu and Chao Li},
journal= {arXiv preprint arXiv:2601.15884},
year = {2026}
}