卵巢癌的基于证据的文本条件 3D CT 合成

卵巢癌经常在晚期被诊断出来，因此术前增强计算机断层扫描 (CT) 对分期和手术计划至关重要；然而，带注释的成像数据的稀缺，加上隐私法规的限制，限制了该领域通用计算模型的发展。文本条件 3D CT 合成已显示出前景，但现有流程依赖于配对放射学报告，并且仅在胸部 CT 上进行了评估。我们提出了 OvESyn（基于卵巢证据的合成），这是一个框架，直接从 CT 衍生的成像描述符和常规临床元数据构建标准化的结果和印象部分，无需任何原始放射学报告，并使用它们来调节适用于 493 名高级别浆液性卵巢癌患者的潜在扩散模型。这是第一个适合腹部盆腔肿瘤环境的文本条件 3D CT 合成框架。对两个适应轴（视觉语言编码器对齐和生成器 微调）的系统消融，将生成器域适应确定为跨越域间隙和建立目标解剖结构的操作机制：没有它，合成仍然锚定于胸部预训练域，无论编码器对齐如何，精度和召回率都会崩溃到零，FID2.5D 超过 140。编码器对齐反而细化了强度和精细细节。完整的 OvESyn 实现了最佳的分布和强度保真度（FID2.5D 29.35、精度 0.671、Wasserstein-1 0.044），而仅生成器的变体则最大化覆盖范围（Recall 0.645），反映了由编码器自适应控制的保真度/覆盖范围权衡。 OvESyn 仅需要自动分割和常规术前元数据，支持报告稀缺设置的可转移性，并为腹部盆腔肿瘤成像中的合成队列生成提供基础。