零样本脑MRI修复新突破：2.5D流先验兼顾效率与一致性，SSIM达0.816！
Zero-Shot Brain MRI Inpainting with 2.5D Unconditional Flow Priors
📖 AI 总结
本文提出一种基于2.5D无条件流先验的零样本脑部MRI修复框架，旨在解决现有方法的核心矛盾：标准3D方法计算开销过大，而高效的2D逐层方法则存在严重的层间不连续问题。该方法的训练阶段让流匹配模型学习相邻轴位切片三元组的联合分布，在损失函数中显式排除病理区域，从而建模健康脑解剖结构的流形；推理阶段沿深度轴自回归处理输入三元组，并采用Restora-Flow求解器以输入掩码约束无条件先验，实现零样本修复。与依赖条件训练的传统模型不同，该方法无需针对特定掩码任务重新学习。在BraTS 2026修复挑战赛官方验证集上的定量结果显示，其SSIM为0.816±0.112，MSE为0.007±0.005，PSNR为22.923±4.343，能够消除2D基线方法的结构不连续性，在轴位、矢状位和冠状位均保持体积一致性，并通过多次随机重建的集成平均进一步提升预测质量。
🔑 关键词速览
| Zero-Shot Inpainting | 零样本修复：模型无需针对特定掩码任务进行训练，即可在推理时直接修复图像中缺失或病理区域。 |
| 2.5D Flow Priors | 2.5D流先验：一种介于2D和3D之间的建模方式，利用相邻切片信息捕获空间上下文，同时避免完整3D卷积的高计算成本。 |
| Flow Matching | 流匹配：一种生成建模方法，通过学习从简单分布到数据分布的连续变换（流）来生成样本。 |
| Restora-Flow Solver | Restora-Flow求解器：一种用于约束无条件生成先验的求解算法，使其满足输入掩码条件，实现准确修复。 |
| BraTS 2026 Inpainting Challenge | BraTS 2026修复挑战赛：脑肿瘤分割挑战赛中的修复任务，提供标准数据集和评估指标，用于基准测试脑MRI修复方法。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅