FlowLet: 基于小波流匹配的条件 3D 脑 MRI 合成
计算机视觉与模式识别
2026-01-09 v1
摘要
脑磁共振成像 (MRI) 在研究神经发育、衰老和疾病中发挥着核心作用。一个关键应用是脑年龄预测 (BAP)，即从 MRI 数据中估计个体的生物学脑年龄。有效的 BAP 模型需要大规模、多样化且年龄均衡的数据集，而现有的 3D MRI 数据集在人口统计学上存在偏差，限制了公平性与泛化能力。获取新数据成本高昂且受伦理限制，这促使了生成式数据增强的发展。当前的生成方法通常基于潜在扩散模型，这些模型在习得的低维潜在空间中运行，以应对体 MRI 数据的内存需求。然而，这些方法在推理时通常较慢，可能因潜在压缩而引入伪影，且极少以年龄为条件，从而影响 BAP 性能。在本工作中，我们提出了 FlowLet，一个条件生成框架，通过在可逆 3D 小波域内利用流匹配来合成以年龄为条件的 3D MRI，有助于避免重建伪影并降低计算需求。实验表明，FlowLet 以极少的采样步数生成高保真体。使用 FlowLet 生成的数据训练 BAP 模型可提升代表性不足年龄组的性能，且基于区域的分析证实了解剖结构的保留。
引用
@article{arxiv.2601.05212,
title = {FlowLet: Conditional 3D Brain MRI Synthesis using Wavelet Flow Matching},
author = {Danilo Danese and Angela Lombardi and Matteo Attimonelli and Giuseppe Fasano and Tommaso Di Noia},
journal= {arXiv preprint arXiv:2601.05212},
year = {2026}
}