CONFLUX：使用 RL 后训练 进行 3D 胸部 CT 合成的潜在扩散模型

3D 医学图像的可控生成模型可以合成具有指定临床属性的体积，但这需要样本同时具有高保真度、原生 3D 并忠实于所要求的条件。我们提出了 CONFLUX，一种用于胸部计算机断层扫描 (CT) 的潜在扩散模型：3D 变分自动编码器压缩每个体积，并在潜在空间中生成校正流 Transformer。通过自适应层标准化，生成以结构化放射学元数据（18 个异常结果、性别、年龄和重建内核）为条件。该模型在三平面 Frechet 距离上具有强大的体积基线（FID 32.3 vs. MAISI 74.6），同时公开对临床属性的直接控制。为了加强这种控制，我们添加了一个在线强化学习 后训练 阶段（组相关策略优化），该阶段奖励分类器从每个生成的卷中恢复所需结果的可靠性。通过单独的独立分类器进行判断，后训练 消除了相对于实际扫描可靠性的 47% 的缺陷。我们发布了模型和约 20 万个合成胸部 CT 数据集，其中包含涵盖各种临床发现的调节元数据。