基于薛德谱桥与条件扩散的人体引导 CBCT 到 MDCT 翻译中的阴影伪影抑制
计算机视觉与模式识别
2026-02-27 v1
摘要
我们提出了一种新颖的框架，用于 CBCT 到 MDCT 翻译，基于薛德谱桥 (Schrödinger Bridge, SB) 的公式，集成了 GAN 派生的先验与人体引导的条件扩散。不同于常规 GAN 或扩散模型，我们的方法显式地强制执行 CBCT 输入与伪目标之间的边界一致性，确保解剖学忠实性和感知可控性。通过二元人体反馈集成于分类器自由引导 (classifier-free guidance, CFG)，有效地将生成过程引导 toward临床上偏好的结果。通过迭代细化和锦标赛式偏好选择，该模型在不依赖奖励模型的情况下内化了人体偏好。减法图像可视化表明，所提方法在关键解剖区域选择性地抑制了阴影伪影，同时保留了细微结构细节。定量评估进一步显示，在临床数据集上在 RMSE、SSIM、LPIPS 和 Dice 指标上均表现出优于先前 GAN 及微调型反馈方法的优越性能，仅需 10 步采样步骤。这些发现凸显了该框架在实时、偏好对齐医学图像翻译中的有效性与效率。
关键词
引用
@article{arxiv.2507.11025,
title = {Human-Guided Shade Artifact Suppression in CBCT-to-MDCT Translation via Schr\"odinger Bridge with Conditional Diffusion},
author = {Sung Ho Kang and Hyun-Cheol Park},
journal= {arXiv preprint arXiv:2507.11025},
year = {2026}
}