面向脑 MR 图像合成的全导向 Schr"odinger 桥
图像与视频处理
2026-05-07 v3 计算机视觉与模式识别
摘要
多模态脑部 MRI 为临床诊断提供了必不可少的互补信息。然而，实际中获取所有模态往往受限于时间和成本。为此，已提出各种方法来生成缺失的模态。现有方法可大致分为两类：配对方法和非配对方法。虽然配对方法可实现高合成精度，但获取大规模配对数据集通常不可行。相比之下，非配对方法虽更可扩展，但往往难以保留关键解剖特征，如病灶。本文提出全导向 Schr"odinger 桥(FGSB)，一种新型框架，旨在通过极少量配对数据实现高保真合成。在病灶特定信息(如专家标注或分割掩码)可用时，FGSB 可在缺失模态合成期间保留临床相关病灶。本模型包含两个阶段：(1) 生成阶段使用配对源图像和高斯噪声迭代细化合成图像，(2) 训练阶段通过建模中间状态来学习最优转换路径，以确保一致且高保真的合成。实验结果表明，FGSB 在多种数据集上实现了可靠的合成性能，适用于不同图像分辨率和数据获取环境。此外，纳入病灶特定先验知识可进一步增强对临床相关特征的保留。
引用
@article{arxiv.2501.14171,
title = {Fully Guided Neural Schr\"odinger bridge for Brain MR image synthesis},
author = {Hanyeol Yang and Sunggyu Kim and Mi Kyung Kim and Yongseon Yoo and Yu-Mi Kim and Min-Ho Shin and Insung Chung and Sang Baek Koh and Hyeon Chang Kim and Jong-Min Lee},
journal= {arXiv preprint arXiv:2501.14171},
year = {2026}
}
备注
Single column, 33 pages, 6 figures, revised_v1