MambaControl：解剖图增强的 Mamba ControlNet 结合傅里叶细化的扩散模型疾病轨迹预测
计算机视觉与模式识别
2025-05-16 v1
摘要
精准医学中的疾病进展建模需要捕捉复杂的时空动态，同时保持解剖完整性。现有方法在纵向依赖和进行性障碍的结构一致性方面往往存在困难。为解决这些局限，我们引入了 MambaControl，一个将选择性状态空间建模与扩散过程相结合的新型框架，用于高保真预测医学图像轨迹。为更好地捕捉随时间的细微结构变化同时保持解剖一致性，MambaControl 结合了基于 Mamba 的长程建模与图引导的解剖控制，以更有效地表示解剖关联。此外，我们引入了傅里叶增强的谱图表示来捕捉空间一致性和多尺度细节，使 MambaControl 在阿尔茨海默病预测中达到最先进的性能。定量和区域评估表明进展预测质量和解剖保真度得到提升，突显其在个性化预后和临床决策支持中的潜力。
引用
@article{arxiv.2505.09965,
title = {MambaControl: Anatomy Graph-Enhanced Mamba ControlNet with Fourier Refinement for Diffusion-Based Disease Trajectory Prediction},
author = {Hao Yang and Tao Tan and Shuai Tan and Weiqin Yang and Kunyan Cai and Calvin Chen and Yue Sun},
journal= {arXiv preprint arXiv:2505.09965},
year = {2025}
}