基于证据回归和分布校准的多模态 MRI 翻译
图像与视频处理
2025-05-20 v2 计算机视觉与模式识别
摘要
多模态磁共振成像 (MRI) 翻译利用来自源 MRI 序列的信息来生成目标模态，从而实现综合诊断，同时克服获取所有序列的局限性。虽然已有的基于深度学习的多模态 MRI 翻译方法显示出良好的潜力，但仍面临两个关键挑战：1) 缺乏对合成图像的可靠不确定性量化，以及 2) 在部署到不同医疗中心时鲁棒性有限。为了解决这些挑战，我们提出了一个新框架，将多模态 MRI 翻译重新表述为具有分布校准的多模态证据回归问题。我们的方法包含两个关键组件：1) 证据回归模块，可估计来自不同源模态的不确定性，并采用显式分布混合策略实现透明的多模态融合，以及 2) 分布校准机制，可适应源-目标映射偏移，确保在不同医疗中心之间保持一致的性能。在 BraTS2023 挑战赛的三个数据集上进行的大量实验表明，我们的框架在不同域上实现了卓越的性能和鲁棒性。
引用
@article{arxiv.2407.07372,
title = {Multi-modal MRI Translation via Evidential Regression and Distribution Calibration},
author = {Jiyao Liu and Shangqi Gao and Yuxin Li and Lihao Liu and Xin Gao and Zhaohu Xing and Junzhi Ning and Yanzhou Su and Xiao-Yong Zhang and Junjun He and Ningsheng Xu and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2407.07372},
year = {2025}
}
备注
Early accepted by MICCAI 2025