小波差分域扩散模型

残差建模加速生成

该模型将合成目标从直接生成图像改为学习模态间的残差信息，并结合离散小波变换加速扩散过程，在保证图像保真度的同时显著提升跨模态医学图像的生成效率。

Guangzhen, Zhu · Midi, Wan · Cao, Wenming · 余志文 · 胡进 · 李兵 · Xiaotao, Fan

Expert Systems with Applications 2026

技术优势

泛化能力更强

通过关注模态间的差异而不是直接生成目标图像，Med-D3CG 能够更准确地捕捉必要的结构和强度变化，从而提高合成图像的真实性。

生成速度更快

通过集成离散小波变换，Med-D3CG 加速了扩散过程，同时保持高图像保真度，从而提高了合成效率。

在骨盆数据上取得最优感知质量

在 SynthRAD2023 骨盆数据集上，Med-D3CG 实现了最佳的 LPIPS 指标，表明其合成图像与真实图像在感知上高度相似。

应用场景

• 医学图像合成：用于生成缺失模态的医学图像，辅助临床诊断。
• 多模态图像生成：实现 CT、MRI 和 PET 之间的跨模态转换。
• 放射治疗规划：用于骨盆 CT 合成，支持放射治疗计划。
• 医学影像分析：提供高质量合成图像，提升分析算法的训练数据。