该项工作最早完成于2023年12月份。经过多个期刊的多轮次投稿和修改，最终于2026年01月28日发表于Sensors期刊。虽然期刊影响因子不高，但是这篇论文的质量绝对是可以反映对待科学研究的态度的。

Tiande Zhang#, Haowen Pang#, Yanan Wu, Shannan Chen, Wei Qian, Chuyang Ye, Yudong Yao, Patrice Monkam*, Shouliang Qi*, Generative Models for Medical Image Creation and Translation: A scoping Review, Sensors, 2026, 26:862

Generative Models for Medical Image Creation and Translation: A Scoping Review

这篇关于医疗图像生成与转换的综述系统地梳理了GANs、扩散模型和VAEs等主流技术，明确区分了“生成（Creation）”与“转换（Translation）”的概念，并深入探讨了各类模型的优缺点。该研究不仅利用弦图可视化了医学成像的转换趋势，还提供了针对罕见病数据稀缺的解决策略及标准化实施指南，为医疗AI研究提供了关键的路线图。

综述共引用了 301 篇论文，其核心亮点包括：

✅ 对用于医学图像**生成（Creation）与转换（Translation）**的生成模型进行了全面回顾。

✅ 考察了多种生成模型，并深入分析了它们的优缺点。

✅ 探讨了与图像生成相关的下游任务，如分类和分割。

✅ 展示了描绘医学图像跨模态转换关系的弦图（Chord Diagram）。

✅ 为未来的研究工作提供了前瞻性的研究方向及实施指南。
其中，转换关系弦图包括：（1）MRI、CT、CBCT、X-ray、PET和超声图像之间的跨模态转换；（2）磁共振图像的跨对比机制转换（一对一转换，多对多转换）。