面向三维生物图建模的语义一致离散扩散

三维空间图通过建模血管、神经元和气道等解剖网络，在生物学和临床研究中发挥着至关重要的作用。然而，在保持解剖学有效性的同时生成三维生物图仍然具有挑战性，这是现有基于扩散的方法的一个关键局限性。在这项工作中，我们提出了一种新颖的三维生物图生成方法，该方法遵循结构和语义的合理性条件。我们通过在采样过程中使用一种新颖的投影算子来随机修正不一致性，从而实现了这一点。此外，我们采用了一种适用于稀疏生物图的、基于边删除的优越加噪过程。我们的方法在两个真实世界数据集（人类威利斯环和肺气道）上，与之前的方法相比，展现出了优越的性能。重要的是，我们证明了生成的样本显著提升了下游图标注的性能。此外，我们表明我们的生成模型是一个合理的、开箱即用的链接预测器。