マルチモーダルMRI翻訳のためのマルチスケール構造ガイド付き潜在拡散モデル

要約: 拡散モデルは、マルチモーダル磁気共鳴画像（MRI）翻訳タスクにおいて顕著な進歩を遂げましたが、既存の手法は任意の欠測モダリティ状況に対処する際に解剖学的な不整合やテクスチャのディテール低下を招く傾向があります。これらの問題に対処するため、潜在拡散ベースのマルチモーダルMRI翻訳フレームワーク、MSG-LDMと呼ばれるものを提案します。利用可能なモダリティを活用することにより、提案手法は完全な構造情報を推定し、信頼性のある境界ディテールを保持します。特に、潜在空間におけるスタイル―構造のディスエンタングルメント機構を導入し、モダリティ固有のスタイル特徴を共有構造表現から明示的に分離し、低周波の解剖学的配置と高周波の境界ディテールをマルチスケール特徴空間で共同モデル化します。構造のディスエンタングルメント段階では、高周波の構造情報を明示的に組み込み、特徴表現を強化し、モダリティに依存しない低周波の解剖学的表現を学習しながら、微細な構造手掛かりに焦点を当てるようモデルを導きます。さらに、モダリティ固有のスタイルからの干渉を減らし、構造表現の安定性を向上させるために、スタイル一貫性損失と構造認識損失を設計します。BraTS2020およびWMHデータセットを対象とした広範な実験により、提案手法が既存のMRI合成アプローチを上回ることを示し、特に完全な構造の再構成において優れていることが分かりました。ソースコードは https://github.com/ziyi-start/MSG-LDM で公開されています。