研究团队发布RARF框架，用于3D脑部MRI图像修复并参加BraTS 2026挑战赛
RARF将随机插值过程限制在修复区域，保留健康组织作为解剖背景，在BraTS评估协议下取得有竞争力的重建效果。
AI解读：RARF解决的是脑部MRI分析中病理区域干扰自动化诊断的问题：病灶会遮盖健康组织，机器难以判断周围结构是否正常。它的做法是把扩散模型的随机插值限制在需要修复的病灶区域，而保留未损坏的体素作为患者自身的解剖参照，再用一个三维神经网络逐步把高斯噪声改写成合理组织。对参与BraTS 2026修复挑战赛的团队来说，这意味着拿到一个任务无关、可迁移的基础架构；对临床研究者，开源代码降低了复现门槛。但研究只报告了BraTS协议下的重建效果，尚不清楚它在真实病灶多样性和跨数据集泛化上有多少优势，实际部署仍然有限。
西班牙研究团队在arXiv发表预印本论文，提出RARF——一种区域感知的整流流（rectified flow）框架，用于在病理区域内重建健康脑组织，作为其参加BraTS Inpainting Challenge 2026的参赛方案。
RARF将随机插值过程限制在修复区域，观测体素保持固定，为重建提供患者特异的解剖背景。模型推理时，学习到的速度场将初始噪声迁移为对缺失组织的合理重建，再与未改变的观测解剖结构结合。
研究者在BraTS评估协议下进行实验，称该方法在保持解剖一致性的同时获得了有竞争力的重建效果。源代码发布于https://github.com/TomasGuija/rarf 。