Surf2CT：基于级联 3D 流匹配模型的躯干 3D CT 合成
图像与视频处理
2025-05-30 v2 计算机视觉与模式识别
摘要
我们提出了 Surf2CT，一种新颖的级联流匹配框架，能够从外部表面扫描和简单的人口统计数据（年龄、性别、身高、体重）合成人体躯干的完整 3D 计算机断层扫描（CT）体积。这是第一种能够仅基于外部身体形状和人口统计数据生成逼真体积内部解剖图像，而无需任何内部成像的方法。Surf2CT 通过三个连续阶段进行：(1) 表面补全，使用条件 3D 流匹配从部分躯干扫描中重建完整的符号距离函数（SDF）；(2) 粗略 CT 合成，从补全的 SDF 和人口统计信息生成低分辨率 CT 体积；(3) CT 超分辨率，通过分块条件流模型将粗略体积细化为高分辨率 CT。每个阶段均利用通过流匹配训练的 3D 适配 EDM2 主干网络。我们在来自麻省总医院（MGH）和 AutoPET 挑战赛的 3,198 个躯干 CT 扫描（约 113 万张轴向切片）组合数据集上训练了模型。在 700 对配对的躯干表面-CT 病例上的评估表明其具有高度的解剖保真度：器官体积表现出较小的平均百分比差异（范围从 -11.1% 到 4.4%），肌肉/脂肪身体成分指标与真实值高度相关（范围从 0.67 到 0.96）。肺部定位偏差极小（平均差异 -2.5 mm），表面补全显著改善了各项指标（倒角距离：从 521.8 mm 降至 2.7 mm；交并比：从 0.87 提升至 0.98）。Surf2CT 建立了一种仅使用外部数据进行无创内部解剖成像的新范式，为家庭医疗保健、预防医学和个性化临床评估开辟了新机遇，且避免了传统成像技术相关的风险。
引用
@article{arxiv.2505.22511,
title = {Surf2CT: Cascaded 3D Flow Matching Models for Torso 3D CT Synthesis from Skin Surface},
author = {Siyeop Yoon and Yujin Oh and Pengfei Jin and Sifan Song and Matthew Tivnan and Dufan Wu and Xiang Li and Quanzheng Li},
journal= {arXiv preprint arXiv:2505.22511},
year = {2025}
}
备注
Neurips 2025 submitted