CONFLUX: RL 사후 훈련을 통한 3D 흉부 CT 합성을 위한 잠재 확산 모델

초록

제어 가능한 3D 의료 영상 생성 모델은 특정 임상 속성을 가진 볼륨을 합성할 수 있지만, 이를 위해서는 동시에 고충실도, 네이티브 3D, 요청된 조건에 부합하는 샘플이 필요하다. 우리는 CONFLUX를 제시한다. 이는 흉부 전산화 단층촬영(CT)을 위한 잠재 확산 모델로, 3D 변분 오토인코더가 각 볼륨을 압축하고 정류 흐름 트랜스포머가 잠재 공간에서 생성한다. 생성은 적응형 레이어 정규화를 통해 구조화된 방사선학적 메타데이터(18개 이상 소견, 성별, 연령, 재구성 커널)에 의해 조건화된다. 이 모델은 삼평면 프레셰 거리(FID 32.3 대 MAISI의 74.6)에서 강력한 체적 기반 기준선을 능가하면서 임상 속성에 대한 직접적인 제어를 제공한다. 이러한 제어를 강화하기 위해, 생성된 각 볼륨에서 요청된 소견을 분류기가 얼마나 신뢰성 있게 복원하는지에 보상하는 온라인 강화학습 사후 훈련 단계(그룹 상대 정책 최적화)를 추가한다. 별도의 독립적인 분류기로 평가한 결과, 사후 훈련은 실제 스캔 신뢰도 대비 부족분의 47%를 제거한다. 우리는 모델과 다양한 임상 소견에 걸친 조건화 메타데이터를 포함하는 약 20만 개의 합성 흉부 CT 데이터셋을 공개한다.

English

Controllable generative models of 3D medical images can synthesize volumes with specified clinical attributes, but this demands samples that are simultaneously high-fidelity, natively 3D, and faithful to the requested conditioning. We present CONFLUX, a latent diffusion model for chest computed tomography (CT): a 3D variational autoencoder compresses each volume, and a rectified-flow transformer generates in the latent space. Generation is conditioned on structured radiological metadata (18 abnormality findings, sex, age, and reconstruction kernel) through adaptive layer normalization. The model leads strong volumetric baselines on tri-planar Frechet distance (FID 32.3 vs. 74.6 for MAISI) while exposing direct control over clinical attributes. To strengthen that control we add an online reinforcement-learning post-training stage (group-relative policy optimization) that rewards how reliably a classifier recovers the requested findings from each generated volume. Judged by a separate, independent classifier, post-training removes 47% of the shortfall relative to real-scan reliability. We release the model and a ~200k synthetic chest-CT dataset with conditioning metadata spanning a wide variety of clinical findings.