基于 3D 区域感知扩散的脑 MRI 纵向脱迹斑块填充
图像与视频处理
2026-03-09 v1 人工智能
计算机视觉与模式识别
摘要
精确的脑 MRI 纵向分析常受潜在脱迹斑块的演变所限制，这些斑块会偏向自动神经影像流程。虽然深度生成模型在填充这些脱迹斑块方面显示出前景，但大多数现有方法要么是横断面的，要么缺乏 3D 解剖连续性。我们提出一种基于去噪扩散概率模型（DDPM）的新型伪 3D 纵向填充框架。该方法利用多通道条件将来自不同访问（t_1, t_2）的纵向上下文纳入模型，并将区域感知扩散（RAD）扩展至医学领域，聚焦于病理区域的生成过程，同时不扰乱周围健康组织。我们在 93 名患者的脑 MRI 纵向数据集上对模型进行评估。我们的模型在感知保真度方面显著优于领先的基线（FastSurfer-LIT），将学习感知图像斑块相似性（LPIPS）距离从 0.07 降至 0.03，同时有效消除跨切片连续性问题。此外，我们的模型在纵向稳定性方面表现出高水平，时间保真度指数（TFI）为 1.024，接近理想值 1.0，显著缩小了 LIT 的 TFI 为 1.22 的差距。值得注意的是，RAD 机制提供了显著的效率提升；我们的框架平均处理时间为 2.53 分钟/体积，约为 LIT 所需 24.30 分钟的 1/10。通过利用纵向先验和区域特定去噪，我们的框架为研究渐进性神经退行性疾病提供了高度可靠且高效的预处理步骤。一组衍生数据集，包含 93 例预处理扫描，用于测试，将在接受后提供。代码将在接受后发布。
引用
@article{arxiv.2603.05693,
title = {Longitudinal Lesion Inpainting in Brain MRI via 3D Region Aware Diffusion},
author = {Zahra Karimaghaloo and Dumitru Fetco and Haz-Edine Assemlal and Hassan Rivaz and Douglas L. Arnold},
journal= {arXiv preprint arXiv:2603.05693},
year = {2026}
}