CardioDiT：用于 4D 心脏 MRI 合成的潜在扩散 Transformer

潜在扩散模型 (LDM) 最近在 3D 医学图像合成中取得了强大的性能。然而，电影心脏 MRI (CMR) 等模式代表整个心动周期的时间同步 3D 体积，增加了大多数生成方法无法直接建模的额外维度。相反，它们分解空间和时间或通过解剖掩模等辅助机制强制时间一致性。这种策略引入了结构偏差，可能会限制全局上下文整合并导致微妙的时空不连续性或生理上不一致的心脏动力学。我们研究统一的 4D 生成模型是否可以在无需架构分解的情况下学习连续的心脏动力学。我们提出了 CardioDiT，这是一种基于扩散 Transformer 的短轴电影 CMR 合成的全 4D 潜在扩散框架。时空 VQ-VAE 将 2D+t 切片编码为紧凑的潜在变量，然后扩散 Transformer 将其联合建模为完整的 3D+t 体积，在整个生成过程中耦合空间和时间。我们在公共 CMR 数据集和更大的私人队列上评估 CardioDiT，将其与时空耦合逐渐增强的基线进行比较。结果显示，切片间一致性、时间相干运动和真实的心脏功能分布得到改善，这表明使用扩散 Transformer 的显式 4D 建模为时空心脏图像合成提供了原则基础。使用公共数据训练的代码和模型可在 https://github.com/Cardio-AI/cardiodit 上找到。