基于可逆层次流模型的多模态 MRI 图像调和：IHF-Harmony
计算机视觉与模式识别
2026-05-18 v2
摘要
回顾性 MRI 调和受限于跨模态可扩展性差以及依赖旅行主题数据集。为解决这些挑战，我们引入 IHF-Harmony，一个用于使用无配对数据进行多模态调和的统一可逆层次流框架。通过将翻译过程分解为可逆特征变换，IHF-Harmony 保证双射映射和无损重建，以防止解剖变形。具体而言，可逆层次流（IHF）执行分层减法耦合，以逐步移除与伪影相关的特征，而伪影感知归一化（AAN）则采用解剖固定特征调制来准确地传输目标特征。结合解剖和伪影一致性损失目标，IHF-Harmony 实现了保留源解剖结构的高保真度调和。跨多个 MRI 模态的实验表明，IHF-Harmony 在解剖保真度和下游任务性能方面均优于现有方法，促进了大规模多站点成像研究的稳健调和。代码已公开于 https://github.com/Idea89560041/IHF-Harmony。
引用
@article{arxiv.2602.21536,
title = {IHF-Harmony: Multi-Modality Magnetic Resonance Images Harmonization using Invertible Hierarchy Flow Model},
author = {Pengli Zhu and Yitao Zhu and Haowen Pang and Anqi Qiu},
journal= {arXiv preprint arXiv:2602.21536},
year = {2026}
}