McCaD：用于高保真 MRI 合成的多对比度 MRI 条件自适应对抗扩散模型
计算机视觉与模式识别
2024-09-04 v1
摘要
磁共振成像 (MRI) 在临床诊断中至关重要，它提供多种对比度以提供全面的诊断信息。然而，获取多种 MRI 对比度常常受到高昂成本、长扫描时间和患者不适的限制。当前的合成方法通常侧重于单图像对比度，无法捕捉不同对比度之间的集体细微差别。此外，现有的多对比度 MRI 合成方法往往无法准确映射多个成像对比度之间的特征级信息。我们引入了 McCaD（多对比度 MRI 条件自适应对抗扩散模型），这是一个利用以多种对比度为条件的对抗扩散模型进行高保真 MRI 合成的新颖框架。McCaD 通过采用多尺度、特征引导的机制，结合去噪和语义编码器，显著提高了合成精度。我们引入了一种自适应特征最大化策略和一种空间特征注意力损失，以捕捉跨多个对比度的更多内在特征。这促进了一个精确且全面的特征引导去噪过程。在肿瘤和健康多对比度 MRI 数据集上的大量实验表明，McCaD 在定量和定性方面均优于最先进的基线方法。代码随补充材料提供。
引用
@article{arxiv.2409.00585,
title = {McCaD: Multi-Contrast MRI Conditioned, Adaptive Adversarial Diffusion Model for High-Fidelity MRI Synthesis},
author = {Sanuwani Dayarathna and Kh Tohidul Islam and Bohan Zhuang and Guang Yang and Jianfei Cai and Meng Law and Zhaolin Chen},
journal= {arXiv preprint arXiv:2409.00585},
year = {2024}
}