用感知尺度注意力与不确定性估计，提升乳腺增强MRI合成质量。

SAFE-Diff: Scale-Aware Attention and Feature-Dispersive Diffusion with Uncertainty Estimation for Contrast-Enhanced Breast MRI Synthesis

• 引入尺度感知注意力捕捉不同大小病灶特征
• 通过特征分散扩散提升纹理细节真实度
• 集成不确定性估计帮助医生判断结果可靠性

生成高保真增强型乳腺MRI对实现更安全高效的癌症筛查具有临床价值，但因病灶纹理复杂、强化模式异质，仍具挑战。本文提出SAFE-Diff模型，结合尺度感知注意力机制以有效建模多尺度病变结构，并采用特征分散扩散策略增强图像细节表现力。同时引入不确定性估计模块，量化生成结果的可信度，辅助临床判读。在公开数据集上验证表明，该方法在结构相似性（SSIM）和峰值信噪比（PSNR）方面优于现有基线模型，尤其在微小病灶和不规则边界区域表现出更强的细节保留能力。

原文摘要 · Abstract (English)

Synthesizing high fidelity contrast enhanced MRI is clinically valuable for safer and more efficient breast cancer screening, yet remains challenging due to complex lesion textures and heterogeneous enhancement patterns.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。