WFM：用于超快多模态 MRI 合成的 3D 小波流匹配

扩散模型在多模态 MRI 合成中取得了卓越的质量，但其计算成本（数百个采样步骤和每种模态的单独模型）限制了临床部署。我们观察到这种低效率源于一个不必要的起点：扩散从纯噪声开始，丢弃了可用 MRI 序列中已经存在的结构信息。我们提出了 WFM（小波流匹配），它从已知的先验（小波空间中调节模态的平均值）学习到目标分布的直接流。由于源和目标共享基础解剖结构并且主要在对比度方面有所不同，因此该公式只需 1-2 个集成步骤即可实现准确的合成。具有类调节功能的单个 82M 参数模型综合了所有四种 BraTS 模态（T1、T1c、T2、FLAIR），取代了总共 326M 参数的四个单独的扩散模型。在 BraTS 2024 上，WFM 实现了 26.8 dB PSNR 和 0.94 SSIM，在扩散基线的 1-2 dB 范围内，同时运行速度提高了 250-1000 倍（每卷 0.16-0.64 秒 vs. 160 秒）。这种速度与质量的权衡使得实时 MRI 合成对于临床工作流程来说非常实用。代码可在 https://github.com/yalcintur/WFM 获取。