当错位成为监督时：监督合成 CT 生成中的结构化标签噪声

有监督的合成 CT (sCT) 生成通常被训练和评估为针对配准参考 CT 图像的体素回归。在实践中，MRI-CT 和 CBCT-CT 对通过留下残余未对准的配准程序进行对准。这些残差不是独立的强度噪声，而是充当结构化标签噪声的空间相干几何差异。我们研究了这种配准引起的偏差如何影响覆盖五个解剖区域的 1,784 名配对患者的 MRI 到 CT 和 CBCT 到 CT 合成的监督。体素分数在很大程度上取决于用于构建训练目标的配准与用于评估的配准之间的一致性：当两种约定匹配时，模型得分最高，这表明网络部分学习了配准管道的几何约定，并且标准指标对其进行了奖励。对解剖学上更一致的配准进行训练可减少预测变异性并提高分布外的鲁棒性，并且仅使用 CT 的对照表明，仅配准会在顶级挑战提交的范围内产生度量误差。为了减轻体素监督的限制，我们引入了在预训练的 Segment Anything 编码器的特征空间中计算的感知损失。与仅 MAE 和基于 VGG 的目标相比，它改进了下游分割并产生更清晰、结构更连贯的 sCT。感知和体素指标在不完美对齐情况下不一致，而在评估几何形状可靠时一致。这些结果将配准引起的偏差确定为监督 sCT 生成中的核心混杂因素，并主张用解剖学导向的评估标准补充体素方面的一致性。