Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis
作者: Yiheng Cao, Gustavo Andrade-Miranda, Jiatian Zhang, Lingxiao Zhao, Xin Gao
分类: cs.CV, cs.AI
发布日期: 2026-06-25
🔗 代码/项目: GITHUB
💡 一句话要点
提出一种解剖引导的残差运动扩散方法以实现可控的4D心脏MRI合成
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 4D医学成像 心脏MRI 数据增强 变分自编码器 潜在扩散模型 解剖一致性 时间一致性 半监督学习
📋 核心要点
- 现有的4D医学成像方法受到标注数据不足和设备间差异的限制，导致模型的鲁棒性不足。
- 本文提出了一种基于半监督变分自编码器和级联潜在扩散模型的框架，能够生成解剖一致的4D医学图像。
- 实验结果表明，使用合成的4D序列增强训练集后，分割性能显著提升，Dice系数提高1.4%，边界误差减少3.0mm。
📝 摘要（中文）
开发稳健的人工智能模型用于4D（3D+时间）医学成像受到有限标注数据、设备间领域转移和隐私限制的制约。为此，本文提出了一种可控的4D生成框架，用于解剖一致的数据增强。半监督变分自编码器学习解剖体积的紧凑潜在表示，同时在统一框架中预测对齐的分割掩膜。通过级联的潜在扩散模型将解剖结构与时间动态分离。静态扩散模型根据临床先验生成特定个体的解剖结构，随后运动扩散模型估计残差潜在运动，确保4D序列的严格时间一致性。该方法在心脏MRI的实验中表现出高可控性和强时间一致性，显著提升下游分割性能。
🔬 方法详解
问题定义：本文旨在解决4D医学成像中由于标注数据不足和设备间领域转移导致的模型鲁棒性不足的问题。现有方法在处理动态医学图像时，往往无法有效捕捉解剖结构与时间动态之间的关系。
核心思路：论文提出了一种可控的生成框架，通过半监督变分自编码器学习解剖结构的潜在表示，并利用级联潜在扩散模型将解剖结构与时间动态分离，从而生成高质量的4D医学图像。
技术框架：整体框架包括两个主要模块：首先，半监督变分自编码器用于学习解剖体积的潜在表示并预测分割掩膜；其次，级联潜在扩散模型用于生成个体特定的解剖结构和估计残差潜在运动，确保时间一致性。
关键创新：最重要的创新在于将解剖结构与时间动态分离的级联潜在扩散模型设计，使得生成的4D序列在解剖一致性和时间一致性上均表现优异，显著优于现有方法。
关键设计：在模型设计中，采用了特定的损失函数以平衡解剖结构与运动信息的学习，同时在网络结构上进行了优化，以提高生成图像的质量和一致性。具体参数设置和网络结构细节在论文中进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的合成策略在多个数据集上表现出色，静态解剖结构的可控性达到Pearson相关系数r > 0.8，时间一致性指标FVD为288.08。在交叉供应商泛化实验中，合成的4D序列显著提升了下游分割性能，左心室的Dice系数提高了2.8%，边界误差减少了5.4mm。
🎯 应用场景
该研究的潜在应用领域包括医学影像分析、临床诊断和个性化医疗。通过生成高质量的4D心脏MRI图像，能够帮助医生更好地理解患者的心脏功能，支持疾病的早期诊断和治疗方案的制定。未来，该方法有望推广到其他类型的医学成像领域，推动医学影像技术的发展。
📄 摘要（原文）
Developing robust artificial intelligence models for 4D (3D + time) medical imaging is constrained by limited annotated data, inter-device domain shifts, and privacy restrictions. To address this, we propose a 4D controllable generative framework for anatomically consistent data augmentation. A semi-supervised variational autoencoder learns a compact latent representation of anatomical volumes while jointly predicting aligned segmentation masks in a unified framework. Anatomical structure is then disentangled from temporal dynamics through a cascaded latent diffusion model (LDM). A static LDM generates subject-specific anatomy conditioned on clinical priors (diagnosis and volumes measures) and a subsequent motion LDM estimates residual latent motions, ensuring strict temporal coherence across the 4D sequence. The proposed approach was evaluated on cine cardiac MRI as a representative 4D imaging application. Experiments across multiple datasets demonstrate high controllability of static anatomy (Pearson r > 0.8) and strong temporal coherence (FVD = 288.08). In cross-vendor generalization experiments, augmenting training sets with synthetic 4D sequences significantly improves downstream segmentation performance. Using nnU-Net, the proposed augmentation strategy improves the average Dice score by 1.4% and reduces the Hausdorff Distance by 3.0mm compared to training on real data alone, for the left ventricle, Dice improves by 2.8% with a 5.4mm reduction in boundary error. Overall, this framework provides a scalable and controllable solution for 4D medical image synthesis, supporting the development of more robust models with limited annotations and cross-vendor variability. Code available on https://github.com/cyiheng/4DCardiacMRISynthesis.