基于结构感知的3D扩散生成技术，应用于肾脏磁共振成像（MRI）：该技术结合了掩模引导的噪声调度策略以及拓扑优先约束来优化成像过程

《Scientific Reports》：Structure-aware 3D diffusion generation for kidney MRI via mask-guided noise scheduling and topology-prior constraints

　　

摘要

本文针对肾脏疾病研究中3D医学成像样本稀缺以及结构一致性不足的问题，提出了一种具有结构感知能力的3D扩散生成框架。在前向扩散阶段，引入了基于器官掩膜的适应性噪声调度机制，以减缓关键结构的退化；在反向去噪阶段，通过融合距离场、边界线索和骨骼信息，采用了基于拓扑先验的条件注入策略，以提高连通性和轮廓稳定性。在公开的3D肾脏MRI数据集上的实验表明，与不使用结构先验的基线扩散模型相比，所提出的方法在生成质量上取得了显著提升：FID从18.74降至11.16，KID从7.983降至4.573，PSNR从26.214升至28.577，LPIPS从13.442降至5.7543。消融研究进一步验证了这两种结构约束的互补性：单独引入噪声调度或拓扑先验都能带来稳定的提升，而两者的结合则实现了更显著的总体改进。此外，在“在生成数据上训练、在真实数据上测试”的迁移设置下，使用合成样本进行预训练/增强可以有效提高下游分割的跨域鲁棒性，表明生成的3D数据在结构形态和强度分布方面具有很高的实用价值。