多模态扩散模型联合合成MRI与表格数据

2026年10月15日，arXiv人工智能板块报道，Daniel Mensing等作者提出一种多模态潜在扩散模型，通过交叉注意力在共享潜在空间中联合合成体积MRI与表格临床数据：先用变分自编码器融合两种模态，再分别用独立解码器重建。该框架在德国国家队列（NAKO）超1万名参与者的MRI与年龄、性别、身体测量、族裔等表格特征上评估，生成影像具备解剖合理性与对应身体成分，表格模态在标准指标上优于CTGAN、与TVAE相当。这是该事件目前唯一一篇报道，尚无后续跟进或结论更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。