CRONOS：4D医学纵向序列的连续时间重建
计算机视觉与模式识别
2025-12-19 v1
摘要
预测三维医学扫描随时间的演变对于疾病进展、治疗规划和发育评估至关重要。然而现有模型要么依赖单次先验扫描，要么使用固定网格时间点，要么以全局标签为目标，这些限制了在非规则采样下的体素级预测。我们提出了 CRONOS，一个统一的多对一的预测框架，支持从多个历史扫描中进行预测，同时在一个模型中兼容离散（网格）时间戳和连续（实值）时间戳，据我们所知这是首个实现三维医学数据连续序列到图像预测的框架。CRONOS 学习一个时空速度场，将上下文体积传输到任意时间的目标体积，同时直接在三维体素空间中操作。跨越电影 MRI、灌注 CT 和纵向 MRI 三个公开数据集，CRONOS 超越了其他基线，同时保持了计算竞争力。我们将发布代码和评估协议，以支持多上下文、连续时间预测的可复现多数据集基准测试。
引用
@article{arxiv.2512.16577,
title = {CRONOS: Continuous Time Reconstruction for 4D Medical Longitudinal Series},
author = {Nico Albert Disch and Saikat Roy and Constantin Ulrich and Yannick Kirchhoff and Maximilian Rokuss and Robin Peretzke and David Zimmerer and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2512.16577},
year = {2025}
}
备注
https://github.com/MIC-DKFZ/Longitudinal4DMed