DepthPilot：结肠镜检查视频生成从可控性到可解释性

可控医疗视频生成已经取得了显着的进步，但仍然缺乏可解释性，这需要生成的内容与物理先验和忠实的临床表现保持一致。为了将界限从单纯的可控性扩展到可解释性，我们提出了 DepthPilot，这是第一个用于结肠镜检查视频生成的可解释框架。这项工作通过两种协同范式向值得信赖的一代迈出了一步。为了实现明确的几何基础，DepthPilot 设计了先验分布对齐策略，通过参数高效的 微调 将深度约束注入扩散主干，以确保解剖保真度。为了增强这些几何约束下的内在非线性建模，DepthPilot 采用自适应样条去噪模块，用可学习样条函数代替固定线性权重，以捕获复杂的时空动态。对三个公共数据集和内部临床数据的广泛评估证实了 DepthPilot 具有生成物理一致视频的强大能力。它在所有基准测试中的 FID 分数均低于 15，并在临床医生评估中排名第一，缩小了“视觉逼真”和“临床可解释”之间的差距。此外，DepthPilot 生成的视频有望实现可靠的 3D 重建，促进手术导航和盲区识别，并作为结直肠世界模型的基础。