PathoSyn：基于解耦偏差扩散的成像-病理 MRI 合成
计算机视觉与模式识别
2026-01-14 v2 人工智能
摘要
我们提出了 PathoSyn，一个用于磁共振成像 (MRI) 图像合成的统一生成框架，该框架将成像-病理重新表述为稳定解剖流形上的解耦加性偏差。当前的生成模型通常在全局像素域中运行或依赖二值掩码，这些范式常常遭受特征纠缠的困扰，导致解剖基底损坏或结构不连续。PathoSyn 通过将合成任务分解为确定性解剖重建和随机偏差建模来解决这些局限性。我们框架的核心是一个偏差空间扩散模型，旨在学习病理残差的条件分布，从而在捕获局部强度变化的同时，通过构造保持全局结构完整性。为了确保空间相干性，扩散过程与接缝感知融合策略和推理时稳定模块相耦合，共同抑制边界伪影并产生高保真的内部病灶异质性。PathoSyn 提供了一个数学上有原则的流水线，用于生成高保真的患者特定合成数据集，促进在低数据情况下开发鲁棒的诊断算法。通过允许可解释的反事实疾病进展建模，该框架支持精准干预规划，并为临床决策支持系统提供基准测试的受控环境。在肿瘤成像基准上的定量和定性评估表明，PathoSyn 在感知真实性和解剖保真度方面均显著优于整体扩散和掩码条件基线。本工作的源代码将公开发布。
引用
@article{arxiv.2512.23130,
title = {PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion},
author = {Jian Wang and Sixing Rong and Jiarui Xing and Yuling Xu and Weide Liu},
journal= {arXiv preprint arXiv:2512.23130},
year = {2026}
}