一种基于生物物理条件的生成框架用于3D脑肿瘤MRI合成
A Biophysically-Conditioned Generative Framework for 3D Brain Tumor MRI Synthesis
AI总结：
本文提出了一种基于生物物理条件的生成框架，用于生成高保真的3D脑肿瘤MRI，通过条件生成模型实现肿瘤合成和健康组织修复，实验结果显示在PSNR指标上取得良好效果。
摘要：
磁共振成像（MRI）修复支持众多临床和研究应用。我们介绍了首个生成模型，该模型基于体素级连续肿瘤浓度进行条件生成，以合成高保真的脑肿瘤MRI。在BraTS 2025修复挑战中，我们调整了该架构，以互补任务——健康组织修复为目的，将肿瘤浓度设为零。我们的潜在扩散模型同时基于组织分割和肿瘤浓度生成3D空间一致且解剖学一致的图像，用于肿瘤合成和健康组织修复。对于健康修复，我们实现了PSNR为18.5，对于肿瘤修复，我们实现了17.4。我们的代码可在：https://github.com/valentin-biller/ldm.git获得。
英文摘要：
Magnetic resonance imaging (MRI) inpainting supports numerous clinical and research applications. We introduce the first generative model that conditions on voxel-level, continuous tumor concentrations to synthesize high-fidelity brain tumor MRIs. For the BraTS 2025 Inpainting Challenge, we adapt this architecture to the complementary task of healthy tissue restoration by setting the tumor concentrations to zero. Our latent diffusion model conditioned on both tissue segmentations and the tumor concentrations generates 3D spatially coherent and anatomically consistent images for both tumor synthesis and healthy tissue inpainting. For healthy inpainting, we achieve a PSNR of 18.5, and for tumor inpainting, we achieve 17.4. Our code is available at: https://github.com/valentin-biller/ldm.git
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
