多相 MRI 合成用的翻转分布对齐变分自编码器（Flip Distribution Alignment VAE）
计算机视觉与模式识别
2025-10-06 v1
摘要
分离共享特征与独立特征是多相对比增强（CE）MRI 合成的关键任务。然而，现有方法使用的深度自编码器生成器参数效率低，且缺乏可解释的训练策略。本文提出 Flip Distribution Alignment Variational Autoencoder（FDA-VAE），一种用于多相 CE MRI 合成的轻量级特征解耦 VAE 模型。该方法将输入图像和目标图像编码到对称于标准正态分布的两个潜在分布中，从而有效分离共享特征与独立特征。Y 形双向训练策略进一步增强了特征分离的可解释性。实验结果表明，与现有基于深度自编码器的端到端合成方法相比，FDA-VAE 显著降低了模型参数和推理时间，同时有效提升了合成质量。源代码已公开于 https://github.com/QianMuXiao/FDA-VAE。
引用
@article{arxiv.2510.02970,
title = {Flip Distribution Alignment VAE for Multi-Phase MRI Synthesis},
author = {Xiaoyan Kui and Qianmu Xiao and Qqinsong Li and Zexin Ji and JIelin Zhang and Beiji Zou},
journal= {arXiv preprint arXiv:2510.02970},
year = {2025}
}
备注
This paper has been early accept by MICCAI 2025