论文页面 - FlowLet: 基于小波流匹配的条件3D脑部MRI合成

来源：https://huggingface.co/papers/2601.05212

摘要

FlowLet是一个条件生成框架，通过在可逆3D小波域中利用流匹配合成基于年龄条件的3D核磁共振图像，从而改善对代表性不足年龄组的脑龄预测性能。

脑部磁共振成像（MRI）在神经发育、衰老及疾病研究中扮演核心角色。其关键应用之一是脑龄预测（BAP），即根据MRI数据估算个体生物学脑龄。有效的BAP模型需要大规模、多样化且年龄分布均衡的数据集，而现有3D MRI数据集在人口统计上存在偏差，限制了公平性和泛化能力。获取新数据成本高昂且受伦理约束，因此推动了生成式数据增强技术的发展。当前的生成方法通常基于潜在扩散模型，这些模型在学得的低维潜在空间中运行，以应对体积MRI数据的内存需求。然而，这类方法推理速度通常较慢，可能因潜在压缩引入伪影，且很少以年龄为条件，从而影响BAP性能。在本工作中，我们提出FlowLet，一个条件生成框架，通过在可逆3D小波域内利用流匹配来合成基于年龄条件的3D MRI，有助于避免重建伪影并降低计算需求。实验表明，FlowLet能够以少量采样步骤生成高保真体素数据。使用FlowLet生成的数据训练BAP模型可改善对代表性不足年龄组的预测性能，且基于区域的分析证实了解剖结构的保持。

查看arXiv页面 (https://arxiv.org/abs/2601.05212) | 查看PDF (https://arxiv.org/pdf/2601.05212) | 项目页面 (https://danesed.github.io/flowlet-page/) | GitHub1 (https://github.com/sisinflab/FlowLet) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2601.05212)

在您的代理中获取此论文：

hf papers read 2601.05212

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型1

danesed/FlowLet • 无条件图像生成 • 更新于约5小时前 • 1 (https://huggingface.co/danesed/FlowLet)

引用此论文的数据集0

没有链接此论文的数据集

请在数据集README.md中引用arxiv.org/abs/2601.05212以将其链接至此页面。

引用此论文的空间0

没有链接此论文的Space

请在Space README.md中引用arxiv.org/abs/2601.05212以将其链接至此页面。

包含此论文的收藏集0

没有包含此论文的收藏集

请将此论文添加到收藏集 (https://huggingface.co/new-collection) 以将其链接至此页面。