arXiv · cs.AI · Xinhe Zhang, Yuyang Zhang, Pengfei Jin, Arnau Marin-Llobet, Na Li, Quanzheng Li · 8 小时前模型评分34
LiFT：用跨切片特征轨迹实现高效三维医学图像合成
Efficient Factorized Volume Synthesis with Lifted Inter-Slice Feature Trajectories
导读
LiFT 框架将三维体数据合成拆解为逐切片图像生成与跨切片轨迹学习，在 BraTS 2023 和 SynthRAD2023 上取得有竞争力的图像质量，速度最高达体素扩散基线的 390 倍。它把体数据视为特征空间中的有序轨迹，通过显式跨切片建模提升层间一致性，同时保留以二维合成为主的效率。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We propose LiFT, a framework for Lifted inter-slice Feature Trajectories that factorizes 3D volume synthesis into per-slice image generation and inter-slice trajectory learning.”
来源：arXiv · cs.AI · arxiv.org