面向数据稀缺脑电 FLAIR MRI 的 SLIM-Diff：共享潜在图像-掩码扩散模型

脑电 FLAIR MRI 中的焦点皮层畸形（FCD）病灶细微且稀少，导致联合图像-掩码生成模型易产生不稳定和记忆现象。我们提出 SLIM-Diff，一个紧凑的联合扩散模型，其主要贡献在于：（i）单一共享瓶颈 U-Net 网络，从 2 通道图像+掩码表示中强制解剖学与病灶几何之间的紧密耦合；（ii）通过可调 $L_p$ 目标进行损失-几何调优。作为内部基线，我们包括标准 DDPM 风格目标（$\epsilon$-预测，使用 $L_2$ 损失），并在匹配设置下隔离预测参数化和 $L_p$ 几何的影响。实验表明，$x_0$-预测在联合合成中始终是最佳选择，$L_{1.5}$ 的分数次二次惩罚在提高图像保真度方面表现更佳，而 $L_2$ 更能保留病灶掩码的形态学特征。我们的代码和模型权重已公开于 https://github.com/MarioPasc/slim-diff。