文献类型：期刊文章

作　　者：潘永生[1] 马豪杰[2] 夏勇[1,2,3] 张艳宁[1]

Pan Yongsheng;Ma Haojie;Xia Yong;Zhang Yanning(National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology,School of Computer Science,Northwestern Polytechnical University,Xi’an 710129,China;Ningbo Institute of Northwestern Polytechnical University,Ningbo 315048,China;Research and Development Institute of Northwestern Polytechnical University in Shenzhen,Shenzhen 518057,China)

机构地区：[1]西北工业大学计算机学院空天地海一体化大数据应用技术国家工程实验室,西安710129 [2]西北工业大学宁波研究院,宁波315048 [3]西北工业大学深圳研究院,深圳518057

出　　处：《中国图象图形学报》

基　　金：国家重点研发计划资助(2022YFC2009903,2022YFC2009900);国家自然科学基金项目(6240012686,62171377,62401475);中央高校基本科研业务费专项资金项目(D5000230376);宁波市医学影像临床医学研究中心项目(2021L003,2022LYKFZD06);深圳市科技计划项目(JCYJ20220530161616036)。

年　　份：2025

卷　　号：30

期　　号：6

起止页码：1985-2000

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：医学影像是一种利用各种成像技术捕捉人体内部结构和功能的医学诊断方法。这些技术可以提供关于人体解剖、生理和病理状态的视觉信息,在疾病诊断、治疗和预后预测中发挥着重要作用。由于不同类型或子类型的医学影像反映患者身体的不同信息,在医疗诊断时往往需要多种不同类型或子类型的医学影像来获取更加全面的信息,从而提高诊断准确率。然而在现实生活中,多模态影像数据获取面临采集时间长、费用高以及可能增加辐射剂量等困难。因此,学者期待能够使用图像处理技术进行跨模态医学影像合成,即使用某一种或一些模态的医学影像生成另一种或一些模态的医学影像。本文主要介绍医学图像领域中跨模态图像合成技术和跨模态医学影像合成的应用。跨模态医学影像合成虽然能为多模态影像诊断带来便利,但也存在一些技术挑战。例如合成影像和真实影像在诊断性能上具有明显差异,从而导致合成影像的临床失效问题,隐私和伦理问题会导致高质量多模态医学影像数据获取成本高的问题。同时,由于不同模态的影像数据在分辨率、对比度和图像质量上存在一定差异,这种差异会影响生成模型在生成过程中的一致性。如何解决不同模态之间的数据不一致性也是跨模态医学影像合成面临的挑战,研究者大多从模型本身入手,通过提高模型的表示能力或设计针对具体任务的约束条件来提高合成影像的质量,所开发的跨模态医学影像合成技术已应用于影像采集、重建、配准、分割、检测和诊断等环节,给许多问题带来新的解决思路和方法。

关 键 词：人工智能 医学影像 跨模态图像生成  深度学习  人工智能内容生成(AIGC)  

分 类 号：TP391.4]