近日，中国科大苏州高等研究院医学影像智能与机器人研究中心（MIRACLE）在多模态医学影像合成领域提出了一种新的通用多模态影像合成方法，用于缺失模态的插补，并验证了该方法在处理多模态核磁共振影像合成任务中的有效性。该方法能够在仅有部分模态数据的情况下生成缺失的影像模态，为临床诊断和手术计划提供了重要支持。研究成果以“Unified Multi-Modal Image Synthesis for Missing Modality Imputation”为题，发表在国际知名期刊IEEE Transactions on Medical Imaging上。

在本研究中，研究团队提出了一种新型的通用多模态影像合成网络，通过生成对抗网络架构，利用任意可用的模态来生成缺失的模态。该网络设计了一个共异性特征敏感的编码器（CDS-Encoder），以及一个动态特征统一模块（DFUM），有效整合了不同可用模态的特征信息，从而提高了合成影像的结构一致性和细节真实性。

实验结果表明，该方法在处理多模态核磁共振影像合成任务时，表现优于现有方法，为多模态医学影像数据的不完全性问题提供了一种有效的解决方案。

多模态磁共振影像合成示例（T1+T2+T1Gd->FLAIR）

生物医学工程学院执行院长、医学影像智能与机器人研究中心主任周少华教授为通讯作者，生物医学工程学院博士后张月为第一作者。

论文链接：https://ieeexplore.ieee.org/abstract/document/10589432/

（生物医学工程学院、医学影像智能与机器人研究中心、科研部）