基于任务适配布朗桥扩散框架的对比增强T1加权脑MRI图像合成方法

《IEEE Access》：Task-Adapted Brownian Bridge Diffusion with Global-Local Feature Enhancement for Contrast-Agent-Free T1CE MRI Synthesis

　　对比增强T1加权磁共振成像（MRI）在脑肿瘤评估和治疗监测中发挥着重要作用。然而，反复使用钆基对比剂引发了安全性和工作流程方面的担忧。为应对这一挑战，我们提出了一种任务适配的布朗桥扩散框架，能够从非对比T1加权和流体衰减反转恢复扫描中合成对比增强T1加权图像。所提方法在融合源端点（结合两种非对比模态）与实际对比增强目标之间建立了一个随机桥接。在反向去噪网络中，我们引入了自适应池化组归一化Transformer模块以捕捉长程解剖依赖性，同时结合模态差异引导的多尺度通道注意力模块进行局部特征细化。模型训练和内部评估在BraTS2021数据集上进行，外部验证在UCSF-PDGM数据集上完成。在BraTS2021数据集上，所提方法达到了均方误差0.0036 ± 0.0016、峰值信噪比24.92 ± 2.05 dB以及结构相似性指数0.9012 ± 0.0281。UCSF-PDGM数据集上的相应值分别为0.0051 ± 0.0028、23.47 ± 2.18 dB和0.8862 ± 0.0423，持续优于所有评估的基于生成对抗网络（GAN）、基于Transformer和基于扩散的基线方法。定性比较和绝对误差图显示，在选定示例中视觉显著的残余区域更少。消融研究证实，所提出的两个模块带来了互补性的改进。综上所述，这些结果支持了我们框架在所评估条件下的技术可行性。