MRI对比增强动力学世界模型
计算机视觉与模式识别
2026-02-24 v1
摘要
临床MRI对比增强获取效率低下，表现为获取协议风险且成本高昂，而获取序列固定且稀疏。应用世界模型模拟人体内对比增强动力学，可实现无对比的连续动态。然而，MRI获取的低时间分辨率限制了世界模型的训练，导致数据稀疏。直接训练生成模型捕获动力学存在两个局限性：(a)由于缺乏未观测时间的数据，模型倾向于过拟合到无关特征，导致内容失真。(b)由于缺乏连续时间监督，模型无法在时间上学习连续动力学规律，导致时间不连续。首次提出MRI对比增强动力学世界模型（MRI CEKWorld），采用时空一致性学习（SpatioTemporal Consistency Learning, STCL）。针对(a)，依据患者水平结构在增强期间保持一致的空间规律，我们提出潜在对齐学习（Latent Alignment Learning, LAL），构建患者特定模板以约束内容与该模板对齐。针对(b），依据动力学遵循一致光滑趋势的时序规律，我们提出潜在差分学习（Latent Difference Learning, LDL），通过插值扩展未观测区间，并约束插值序列在潜在空间中的平滑变化。广泛的实验表明，MRI CEKWorld在更真实的内容和动力学方面取得了更好效果。代码将在https://github.com/DD0922/MRI-Contrast-Enhancement-Kinetics-World-Model上提供。
引用
@article{arxiv.2602.19285,
title = {MRI Contrast Enhancement Kinetics World Model},
author = {Jindi Kong and Yuting He and Cong Xia and Rongjun Ge and Shuo Li},
journal= {arXiv preprint arXiv:2602.19285},
year = {2026}
}
备注
Accepted by CVPR 2026