CTFlow：基于视频启发的 3D CT 合成潜在流匹配
计算机视觉与模式识别
2025-08-19 v1 人工智能
摘要
条件于临床报告生成整个 CT 体积的生成式建模有望通过数据增强、隐私保护的合成以及减少患者数据上的监管约束来加速研究，同时保留诊断信号。近期发布的 CT-RATE 数据库提供了大规模的 3D CT 体积及其相应临床报告的配对数据，使训练大规模文本条件 CT 体积生成模型变得可行。本文介绍了 CTFlow，一个 0.5B 参数的潜在流匹配变换器模型，基于临床报告进行条件化。我们采用 FLUX 中的 A-VAE 构建潜在空间，依赖 CT-Clip 文本编码器对临床报告进行编码。为在保持内存约束可行的同时生成一致的整个 CT 体积，我们采用自定义的自回归方法，该模型首先从文本-only 生成体积的第一个切片序列，然后利用已生成的切片序列和文本预测后续切片序列。我们对结果进行评估，与最先进的生成式 CT 模型进行比较，展示了在时序一致性、图像多样性和文本-图像对齐方面的优势，采用 FID、FVD、IS 分数和 CLIP 分数进行衡量。
引用
@article{arxiv.2508.12900,
title = {CTFlow: Video-Inspired Latent Flow Matching for 3D CT Synthesis},
author = {Jiayi Wang and Hadrien Reynaud and Franciskus Xaverius Erick and Bernhard Kainz},
journal= {arXiv preprint arXiv:2508.12900},
year = {2025}
}