arXiv cs.AI· Eduardo Nieto, Ibai Genua, Davide Scorza, Karen L\'opez-Linares·· 12 小时前AI 评分31
基于解剖引导伪配对与对抗扩散的脊柱 MRI 到 CT 转换
MRI-to-CT Translation of Spinal Images via Anatomy-Guided Pseudo-Pairing and Adversarial Diffusion
AI 导读
研究提出三阶段框架实现脊柱 MRI 到 CT 合成：先用脊柱分割与刚性配准从无配对扫描构建伪配对数据，再训练对抗扩散模型完成转换，最后将合成切片组装为 3D 体并做层间连续性精修。框架在超 10,000 张无配对矢状位 MRI 与 CT 切片上训练，并在 83 例 MRI 体数据的 1,911 张切片上评估，二值 3D 椎体 Dice 从单用扩散模型的 0.666 提升至 0.739。
正文 · AI 翻译
摘要：磁共振成像（MRI）常用于诊断脊柱疾病，但手术规划通常需要计算机断层扫描（CT）以更好地显示椎骨解剖结构。由 MRI 合成 CT 可避免额外的辐射暴露并简化术前评估。
我们提出了一个用于脊柱 MRI 到 CT 合成的三阶段框架。首先，解剖引导的椎骨匹配系统利用脊柱分割识别相似的矢状位 MRI 和 CT 切片，并通过刚性配准将它们对齐，从未配对的扫描中生成伪配对数据。其次，这些配对用于训练一个对抗扩散模型，以实现 MRI 到 CT 的转换。第三，将合成切片组装成 3D 体数据，并由一个网络进行细化，以改善层间连续性和结构一致性。
该框架在超过 10,000 张未配对的矢状位 MRI 和 CT 切片上训练，并在来自 83 个 MRI 体数据、涵盖所有脊柱区域的 1,911 张切片上评估。评估结合了基于分布的指标与椎骨分割指标。与单独使用扩散模型相比，所提方法将二值 3D 椎骨 Dice 从 0.666 提高到 0.739。体数据后处理减少了堆叠切片之间可见的不连续性，并改善了轴位和冠状位视图中的椎骨一致性。
结合解剖引导的伪配对、对抗扩散和 3D 细化可改善脊柱 MRI 到 CT 的合成。椎骨匹配主要增强了解剖对齐和保真度，而体数据细化改善了 3D 一致性。这些发现支持进一步开发用于术前规划的 MRI 衍生类 CT 可视化，特别是在保持体数据一致性的同时保留精细的强度细节。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37134 [cs.CV] |
| （或 arXiv:2610.37134v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37134 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Karen López-Linares Román [查看电子邮件]
[v1]
2026年10月27日星期二 12:32:47 UTC（10,716 KB）
来源：arXiv cs.AI · arxiv.org