语义条件扩散模型用于脑动脉 DSA 合成
计算机视觉与模式识别
2026-02-13 v1 人工智能
摘要
数字减法血管造影（DSA）在脑血管疾病诊断和治疗中发挥核心作用，但其侵入性和高获取成本严重限制了大规模数据收集和公共数据共享。因此，我们开发了一种语义条件潜在扩散模型（LDM），在对解剖循环（前脑动脉 vs. 后脑动脉）和标准 C 臂位置进行显式控制下合成动脉相脑 DSA 帧。我们收集了 99,349 帧的单中心 DSA 数据集，并训练了使用编码解剖学和获取几何的文本嵌入的条件 LDM。为评估临床逼真度，四名医学专家（包括两名神经放射科医生、一名神经外科医生和一名内科医生）系统性地对 400 张合成 DSA 图像进行评分，使用 5 分级 Likert 量表评估近端大、中和小 Peripheral 血管。生成图像的整体 Likert 分数范围为 3.1 到 3.3，Inter-rater reliability 高 (ICC(2,k) = 0.80--0.87)。通过低中位数 Fréchet 感知距离（FID = 15.27）支持其与真实 DSA 帧的分布相似性。我们的结果表明，语义受控 LDM 能够产生适合下游算法开发、研究和训练的真实合成 DSA 图像。
引用
@article{arxiv.2602.11703,
title = {Semantically Conditioned Diffusion Models for Cerebral DSA Synthesis},
author = {Qiwen Xu and David Rügamer and Holger Wenz and Johann Fontana and Nora Meggyeshazi and Andreas Bender and Máté E. Maros},
journal= {arXiv preprint arXiv:2602.11703},
year = {2026}
}