LatAlignCXR：结构化潜条件实现空间可控的胸部X光合成

《Scientific Reports》：Latent-aligned scalable interpolant transformer for controllable chest X-ray synthesis

　　

摘要

可控胸部X光片（CXR）合成需要同时控制语义发现及其与胸部解剖结构的空间关系。文本条件生成模型可以指定疾病标签或报告级描述，但通常对病理位置和范围的控制有限。我们引入了LatAlignCXR，它在结构化潜空间中表示解剖布局、病理位置和残余外观。文本提示、参考X光片和用户定义的坐标被映射到该表示中，从中解码解剖、病理和胸部结构先验，以条件化可扩展插值变换器（SiT）。该表示支持文本、图像和坐标条件的合成。在MIMIC-CXR上，LatAlignCXR实现了最高的解剖Dice系数（0.6564），在四个特征空间中的三个中实现了最低的Fréchet距离，并实现了最高的肺炎定位一致性（Dice 0.1385，IoU 0.0741）。在盲法放射科医生评估中，LatAlignCXR的病理一致性平均评分为4.63，空间一致性平均评分为4.50，而Cheff分别为3.63和3.37。在下游分类中，使用1000张真实图像进行合成增强将准确率从69.0%提高到76.0%，随着真实数据可用性的增加，影响较小且非单调。这些发现支持结构化潜条件用于空间可控CXR合成，特别是在病理表示和空间一致性方面。