조건부 잠재 공간 전송을 이용한 고밀도 시계열 대비 합성

Dense Temporal Contrast Synthesis via Conditioned Latent Transport

동적 조영 증강 자기 공명 영상(DCE-MRI)은 유방암 관리에 필수적이지만, 가돌리늄 기반 조영제(GBCA)에 대한 의존성은 특정 환자군에서의 사용을 제한하고, 검사 시간을 늘리며, 환경 독성 문제를 야기합니다. 대비 합성 기술은 비침습적인 대안을 제공하지만, 기존 방법들은 공간적 현실감과 시간적 연속성을 균형 있게 유지하는 데 어려움을 겪고 있으며, 느린 반복 샘플링, 구조적 사전 정보의 미활용, 그리고 임상적 검증 부족 등의 문제를 가지고 있습니다. 본 연구에서는 단일 순방향 과정으로 대비 증강을 예측하는 새로운 조건부 잠재 공간 전송 프레임워크를 제안합니다. 모델은 조영 전 해부학적 구조에 잠재 경로를 고정하고 연속 시간 조건을 적용하여, 모든 획득 시간에 대한 환자별 맞춤형 대비 변화를 합성합니다. 제안된 방법은 공간, 지각, 시간 및 분포 관련 지표에서 기존 방법 및 최첨단 모델보다 우수한 성능을 보였습니다. 독립적인 외부 데이터 세트를 사용하여 평가한 결과, 본 방법은 스캐너 노이즈 및 다양한 획득 프로토콜로 인한 도메인 변화에 강건함을 입증했습니다. 또한, 생성된 대비 증강 이미지는 후속 종양 분할 성능을 크게 향상시켜 Dice 계수를 22.4% (0.60 vs. 기준 대비 조영 전 0.49, p < 0.01) 증가시키고, 경계 분할 오류를 39% 이상 감소시켰으며, 다른 생성 모델 기반 방법보다 뛰어난 성능을 보였습니다. 마지막으로, 네 명의 유방 방사선과 전문의가 참여한 연구에서 본 연구팀이 합성한 영상의 품질, 운동학적 정확성 및 진단 가능성을 40개의 무작위로 선택된 사례에 대해 평가했습니다. 그 결과, 70%의 경우에 생성된 이미지가 실제 DCE-MRI와 동일한 관리 결정을 내릴 수 있을 만큼 충분한 임상 정보를 제공하는 것으로 나타났습니다. 이는 더 안전하고 빠른 조영제 불필요 또는 저용량 조영제를 사용하는 영상 워크플로우를 위한 가능성을 제시합니다.

Dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) is essential for breast cancer management, but reliance on gadolinium-based contrast agents (GBCAs) restricts use in contraindicated populations, prolongs scan protocols, and presents environmental toxicity concerns. Contrast synthesis offers a non-invasive alternative; however, existing approaches struggle to balance spatial realism with temporal continuity, suffer from slow iterative sampling, underutilize structural priors, and lack clinical validation. We propose a novel conditioned latent transport framework that predicts contrast enhancement in a single forward pass. By anchoring the latent trajectory to the pre-contrast anatomy and applying continuous time conditioning, the model synthesizes patient-specific contrast evolution at any acquisition time. The proposed approach outperforms baseline and the state-of-the-art models across spatial, perceptual, temporal, and distributional metrics. Evaluated on an independent external cohort, the method demonstrates robustness to domain shifts induced by scanner noise as well as differing acquisition protocol. Furthermore, our synthetic contrast enhancement significantly improved downstream tumor segmentation performance, yielding a 22.4% relative increase in Dice coefficient (0.60 vs. 0.49 baseline pre-contrast, p < 0.01), reducing boundary segmentation error by over 39%, while outperforming all other generative model baselines. Finally, a reader study involving four breast radiologists evaluated the image quality, kinetic fidelity, and diagnostic viability of our synthesized sequences across 40 randomly selected cases. The results demonstrated that in 70% of cases, synthesized images provided sufficient clinical information to support the same management decisions as real DCE-MRI, suggesting a path toward safer and faster contrast-free or contrast-reduced imaging workflows.