MRI 跨模态合成：生成模型用于T1到T2重建的比较研究
图像与视频处理
2026-02-10 v1 人工智能
计算机视觉与模式识别
摘要
MRI 跨模态合成涉及使用另一种采集协议生成图像，这在减少扫描时间同时保持诊断信息方面具有显著的临床价值。本文present了对三种最先进生成模型用于T1-to-T2 MRI重建的综合比较：Pix2Pix GAN、CycleGAN 和变分自编码器（VAE）。我们使用BraTS 2020 数据集（11,439 训练和2,000 测试切片），根据包括均方误差（MSE）、峰值信噪比（PSNR）和结构相似性指数（SSIM）在内的 established 指标对这些模型进行评估。我们的实验表明，所有模型都能成功合成T2图像从T1输入，其中CycleGAN实现的最高PSNR（32.28 dB）和SSIM（0.9008），而Pix2Pix GAN提供最低的MSE（0.005846）。VAE虽然表现较差（MSE: 0.006949, PSNR: 24.95 dB, SSIM: 0.6573），但在潜在空间表示和抽样能力方面提供了优势。这项比较研究为研究人员和临床医生选择适用于MRI合成应用程序的合适生成模型提供了有价值的见解，这取决于其 specific requirements and data constraints。
引用
@article{arxiv.2602.07068,
title = {MRI Cross-Modal Synthesis: A Comparative Study of Generative Models for T1-to-T2 Reconstruction},
author = {Ali Alqutayfi and Sadam Al-Azani},
journal= {arXiv preprint arXiv:2602.07068},
year = {2026}
}