TRUST：基于 Token 驱动的超声风格迁移用于跨设备适配

来自不同设备采集的超声图像呈现出多样的风格，导致下游任务性能下降。为缩小风格差距，无配对图像到图像（UI2I）转换方法旨在将来自源域（对应新设备采集）的图像转换到目标域，在该域中一个冻结的任务模型已为下游应用而训练。然而，现有的 UI2I 方法并未显式考虑过滤最相关的风格特征，这可能导致转换后的图像与下游任务的需求不匹配。在本工作中，我们提出了 TRUST，一个基于 Token 驱动的双流框架，在保留源内容的同时迁移目标域的共有风格，确保内容和风格保持分离。给定目标域中的多种风格，我们引入了一个 Token-dRiven（TR）模块，从两个视角运作：(1) 数据视角——为每个源令牌选择"合适"的目标令牌，(2) 模型视角——通过行为镜像损失为下游模型识别"最优"目标令牌。此外，我们将辅助提示注入源编码器，以匹配内容表示与下游行为。在超声数据集上的实验结果表明，TRUST 在视觉质量和下游任务性能方面均优于现有的 UI2I 方法。