对于轨道瘤的解剖学意识的素描引导的潜在扩散模型 多参数MRI 缺失的模式 合成

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 在多参数MRI (mpMRI) 中合成缺失的模式对于准确的瘤诊断至关重要,但在不完整的数据和不同的模式下面临挑战.
• 图像域中的常规扩散模型是内存密集的,由于噪声空间监控,缺乏解剖学忠实性.
• 标准潜伏扩散模型 (LDM) 缺乏结构先验,并且在有效的多模式集成方面扎.

研究的目的:

• 开发一种新的隐性扩散模型 (LDM) 框架,用于灵活和结构维护的MRI合成.
• 为了提高合成的mpMRI数据的解剖学准确性和跨模态一致性.
• 解决现有方法在处理不完整的多模态MRI数据方面的局限性.

主要方法:

• 提出了具有解剖意识的素描引导潜伏扩散模型 (ASLDM),其中包含了具有解剖意识的特征融合模块.
• 利用交叉注意力与瘤区域面具和基于边缘的解剖素描进行结构引导的消毒.
• 实施了模式协同重建战略,以共同建模可用和缺失的模式.
• 引入了用于像素空间监控的L1和SSIM图像级损失.

主要成果:

• 与轨道瘤和BraTS2024数据集的最先进方法相比,ASLDM表现出优越的合成质量和结构一致性.
• 拟议的方法有效地整合了多种MRI模式,并处理任意的缺失数据场景.
• 像素空间监督显著提高了对纯噪声损失训练的解剖学准确性.

结论:

• ASLDM为临床可靠的多模式MRI完成提供了一个强大的框架.
• 结构先验和协同重建的整合提高了合成的MRI数据的准确性.
• 这种方法具有显著的潜力,可以通过先进的MRI技术来提高瘤学诊断的准确性.