RAFM：用于无配对 CBCT-to-CT 翻译的检索增强流匹配
计算机视觉与模式识别
2026-03-03 v1
摘要
锥束 CT（CBCT）在放射治疗中常规获取，但因严重的伪影和不可靠的 Hounsfield 单位（HU）值，限制了其直接用于剂量计算。因此，Synthetic CT（sCT）从 CBCT 生成成为一个重要任务，但配对的 CBCT-CT 数据常因时间间隙、解剖变异和配准误差而难以获取或不可靠。本文将整流流（rectified flow, RF）引入医学影像中无配对 CBCT-to-CT 翻译领域。虽然 RF 在通过分布级耦合和确定性传输理论上与无配对学习兼容，但其在小型医学数据集和有限 batch 大小下的实际效果仍未得到充分探索。直接应用随机或批次局部的伪配对会产生语义不匹配的端点样本，从而导致监督不稳定。为解决此挑战，我们提出检索增强流匹配（RAFM），通过冻结的 DINOv3 编码器和全局 CT 记忆库构建检索引导的伪配对，使其适应医学应用场景。该策略提高了经验耦合质量，稳定了无配对流式训练。在严格遵循主观水平真实无配对协议的 SynthRAD2023 数据集上实验表明，RAFM 在 FID、MAE、SSIM、PSNR 和 SegScore 等指标上均优于现有方法。代码已公开于 https://github.com/HiLab-git/RAFM.git。
关键词
引用
@article{arxiv.2603.00535,
title = {RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation},
author = {Xianhao Zhou and Jianghao Wu and Lanfeng Zhong and Ku Zhao and Jinlong He and Shaoting Zhang and Guotai Wang},
journal= {arXiv preprint arXiv:2603.00535},
year = {2026}
}