FOD-Diff：基于 3D 多通道补丁扩散模型的纤维取向分布
计算机视觉与模式识别
2025-12-19 v1 机器学习
摘要
扩散磁共振成像 (dMRI) 是一种关键的无创技术，用于估计纤维取向分布 (FOD)，以表征白质组织完整性。从单壳低角分辨率 dMRI (LAR-FOD) 估计 FOD 的精度有限，而从多壳高角分辨率 dMRI (HAR-FOD) 估计 FOD 则需要较长的扫描时间，这限制了其适用性。扩散模型在基于 LAR-FOD 估计 HAR-FOD 方面显示出前景。然而，由于 FOD 中球谐系数的数量庞大，使用扩散模型高效生成 HAR-FOD 具有挑战性。本文提出一种 3D 多通道补丁扩散模型，用于从 LAR-FOD 预测 HAR-FOD。我们通过引入先验脑解剖结构，设计了 FOD-patch 适配器，以实现更高效的补丁式学习。此外，我们引入基于小 voxel 级别的条件协调模块，以增强模型的全局理解能力。我们设计了 SH 注意力模块，以有效学习 SH 系数的复杂相关性。我们的实验结果表明，该方法在 HAR-FOD 预测中取得最佳性能，并优于其他基于最新方法。
引用
@article{arxiv.2512.16075,
title = {FOD-Diff: 3D Multi-Channel Patch Diffusion Model for Fiber Orientation Distribution},
author = {Hao Tang and Hanyu Liu and Alessandro Perelli and Xi Chen and Chao Li},
journal= {arXiv preprint arXiv:2512.16075},
year = {2025}
}