CT转MRI不必再上3D扩散：StaX-Net用2D交错共享块，腹部感知距离642.1低于Pix2Pix
核心概要
跨模态医学图像翻译长期受解剖不一致的合成结果困扰，标准生成对抗网络同时更新生成器与判别器，容易让共享表示被两股相反梯度拉扯。StaX-Net把生成器与判别器的多尺度计算块交错共享，让判别器先更新、生成器更新时冻结共享块，并用只在训练期可见的目标MRI引导特征变换。在SynthRAD 2025的腹部/盆腔、头颈和胸部三个子集上，它与五个基线对比，腹部/盆腔的VGG感知距离为642.1，低于Pix2Pix的991.2和UNet-AE的1687.9。
深度剖析
CT到MRI的合成现在可以在一个二维生成对抗网络里完成，而不必依赖显式的三维扩散架构。 此前的耦合式生成对抗网络让生成器和判别器同时更新共享参数，两套相反目标会把共享表示拉向不同方向。 在SynthRAD 2025的腹部/盆腔、头颈和胸部三个子集上，StaX-Net与Pix2Pix、Vanilla cGAN、UNet-AE、CycleGAN和改编的MedViT-cGAN对比，腹部/盆腔的VGG感知距离为642.1，低于Pix2Pix的991.2和UNet-AE的1687.9。
共享块在两条通路中交错出现，生成器与判别器在对应阶段使用同一组参数化块，但各自的激活和专用层保持独立。 共享参数并不等于两条通路处理同一个特征张量，也不退化为一个共享编码器加两条独立分支。 判别器作为领导者先更新共享块和自身参数，生成器作为跟随者时共享块被冻结，只更新专用合成参数，并以非对称学习率补偿生成器受限的更新空间。
训练阶段目标MRI只通过一条专用投影进入辅助损失，用来把目标域的结构先验蒸馏进一个仅依赖CT的特征变换。 目标图像从不拼接到前向输入，推理时完全缺席，FAST层只执行确定性的源域变换。 该辅助损失在特征空间比较投影后的目标特征与动态先验库，而不是在原始像素空间比较，训练完成后推理阶段不再需要任何目标依赖的自适应。
启示与展望
评估限定在SynthRAD 2025大挑战数据集的腹部/盆腔、头颈和胸部三个子集，按受试者划分80%训练、10%验证、10%测试，全部为配对CT与MRI体数据。读者应把它看作配对跨模态翻译在二维架构上的可行性证据，而不是临床部署结论。
作者明确不声称收敛到严格的Stackelberg均衡，因为那需要计算代价高昂的超梯度；非对称更新被描述为一种启发式稳定手段。在胸部子集上，StaX-Net的2D PSNR为18.67、3D PSNR为18.37，低于UNet-AE的19.26和18.90；作者对确定性架构倾向平滑输出的讨论针对的是UNet-AE在头颈子集的PSNR和腹部/盆腔的MAE，并未专门解释胸部的这一差距。