Modelos de Difusión Probabilística Adversarial para la Traducción de Contrastes de MRI No Emparejados

La síntesis de contrastes faltantes en un protocolo de MRI a través de la traducción de contrastes adquiridos puede reducir los costos asociados con exámenes prolongados. Los métodos de traducción basados en aprendizaje actuales se basan predominantemente en redes generativas adversariales (GAN) que caracterizan implícitamente la distribución del contraste objetivo, con limitaciones en la fidelidad de las imágenes sintetizadas. Aquí presentamos SynDiff, un nuevo modelo de difusión adversarial condicional para la traducción de contrastes de alta fidelidad y computacionalmente eficiente. SynDiff permite el entrenamiento en conjuntos de datos no emparejados, gracias a su arquitectura cíclica consistente con procesos de difusión acoplados. Las demostraciones en conjuntos de datos de MRI multi-contraste indican la superioridad de SynDiff frente a modelos de GAN y difusión competidores.