伪健康脑 MRI 填充的层次化扩散框架及其在三维一致性上的提升
图像与视频处理
2025-07-25 v1 计算机视觉与模式识别
摘要
伪健康图像填充是分析病理脑 MRI 扫描的关键预处理步骤。 大多数当前的填充方法倾向于采用基于切片的 2D 模型以获得高保真的平面内保真度，但其在切片之间的独立性会导致体数据中的不连续性。 完全 3D 模型可缓解此问题，但其高模型容量需要大量训练数据才能实现可靠的高保真合成——在医学环境中往往难以实现。 我们通过用两个垂直的粗到细 2D 阶段取代直接 3D 模型来构建层次化扩散框架。 先进行轴向扩散模型，以获得粗糙且全局一致的填充；随后进行冠状轴扩散模型以细化解剖细节。 通过结合垂直空间视图和自适应抽样，我们的方法在数据效率和体积一致性之间取得了平衡。 我们的实验表明，该方法在现实感和体积一致性方面均优于最新的基准方法，使其成为伪健康图像填充的有前景的解决方案。 代码已公开于 https://github.com/dou0000/3dMRI-Consistent-Inpaint。
引用
@article{arxiv.2507.17911,
title = {Hierarchical Diffusion Framework for Pseudo-Healthy Brain MRI Inpainting with Enhanced 3D Consistency},
author = {Dou Hoon Kwark and Shirui Luo and Xiyue Zhu and Yudu Li and Zhi-Pei Liang and Volodymyr Kindratenko},
journal= {arXiv preprint arXiv:2507.17911},
year = {2025}
}
备注
11 pages, 2 figures