USB：统一的人工合成脑框架用于双向病理-健康生成与编辑
计算机视觉与模式识别
2025-12-02 v1 人工智能
摘要
理解病理和健康脑结构之间的关系是神经影像学的基本问题，将疾病诊断与检测与建模、预测和治疗规划相连接。然而，难以获取配对的病理-健康数据，因为它们依赖于治疗前后影像，受临床结果和纵向数据可得性的限制。因此，现有大多数脑图像生成和编辑方法关注视觉质量，却仅限于特定领域，独立地对病理和健康图像建模。我们引入USB（Unified Synthetic Brain），首个实现病理和健康脑图像双向生成与编辑的端到端框架。USB通过配对扩散机制对病灶和脑解剖结构的联合分布进行建模，实现了病理和健康图像的生成。进一步提出的一致性引导算法在病理-健康双向编辑过程中保持解剖一致性和病灶对应性。在包括健康对照组、卒中和阿尔茨海默病患者在内的六个公开脑MRI数据集上进行的广泛实验表明，USB能够产生多样且真实的結果。通过建立脑图像生成与编辑的首个统一基准，USB为可扩展的数据集创建和稳健的神经影像分析开辟了机遇。代码已公开于 https://github.com/jhuldr/USB。
引用
@article{arxiv.2512.00269,
title = {USB: Unified Synthetic Brain Framework for Bidirectional Pathology-Healthy Generation and Editing},
author = {Jun Wang and Peirong Liu},
journal= {arXiv preprint arXiv:2512.00269},
year = {2025}
}
备注
16 pages, 17 figures