通过条件扩散模型实现 MRI 向 PET 的翻译，具增强的病理感知能力
计算机视觉与模式识别
2026-03-20 v1 人工智能
摘要
正电子断层扫描（PET）是诊断神经退行性疾病的广受认可技术，提供关键的功能性信息。然而，其高昂成本和辐射暴露阻碍了其广泛应用。相比之下，磁共振成像（MRI）不存在此类局限。虽然 MRI 也能检测神经退行性变化，但在诊断方面不如 PET 灵敏。为克服此限制，一种方法是生成合成 PET 图像。近期生成模型的进展为跨模态医学图像翻译铺平了道路；然而，现有方法强调结构保持，忽略了病理感知的关键需求。为填补此差距，我们提出了 PASTA（Enhanced Pathology Awareness 的条件扩散模型图像翻译框架），其基于高度互动的双臂架构和多模态条件集成，旨在实现结构与病理细节的同时保持。此外，我们引入了新的循环交换一致性和体积生成策略，显著提升了 PASTA 制造高质量 3D PET 图像的能力。我们的定性和定量结果表明，合成 PET 扫描在质量和病理感知方面均表现出色。对于阿尔茨海默病诊断，这些合成扫描的性能比 MRI 提升了 4%，几乎接近实际 PET 的性能。我们的代码已公开于 https://github.com/ai-med/PASTA。
关键词
引用
@article{arxiv.2603.18896,
title = {Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness},
author = {Yitong Li and Igor Yakushev and Dennis M. Hedderich and Christian Wachinger},
journal= {arXiv preprint arXiv:2603.18896},
year = {2026}
}
备注
Accepted by Medical Image Analysis