CS-LDM：临床引导的结构感知潜在扩散用于膝关节X线预测

膝骨关节炎（KOA）是导致身体残疾的主要原因之一，目前尚无治愈性的临床治疗方法。因此，早期诊断和准确预后对于管理其进展至关重要。现有方法主要预测未来的严重程度分级，并对结构变化提供有限的视觉解释。近期的生成引导方法通过合成随访X线片来评估进展，但生成的图像往往以预测准确性或图像真实性来评判，因此它们可能满足分级模型的要求，却在形态学上不可靠。因此，我们提出CS-LDM，一个临床引导、结构感知的潜在扩散框架，它利用LoRA适配、当前分级条件和冻结教师诊断蒸馏，从当前X线片和临床可获得的当前KL分级预测患者特异性的未来膝关节X线片。在公开的骨关节炎倡议（OAI）数据集上的实验表明，CS-LDM在保持有竞争力的图像保真度的同时，提高了未来严重程度分级的一致性。进一步的序数、OARSI、ROI层面以及稳定/进展分析表明，放射学预测应通过平衡诊断一致性、解剖合理性和结构保留来评估。

中文由 AI 翻译，仅供参考，以原文为准。