यह शोधपत्र मस्तिष्क ट्यूमर की स्थानिक-कालिक प्रगति की भविष्यवाणी के लिए एक हाइब्रिड मशीन लर्निंग ढाँचे का प्रस्ताव करता है। यह गणितीय ट्यूमर वृद्धि मॉडल को एक निर्देशित शोर-रहित विसरण अंतर्निहित मॉडल (DDIM) के साथ संयोजित करता है ताकि पिछले स्कैन से शारीरिक रूप से प्रशंसनीय भविष्य के MRI का संश्लेषण किया जा सके। साधारण अवकल समीकरणों की एक प्रणाली के रूप में तैयार किया गया, यह यांत्रिक मॉडल विकिरण चिकित्सा के प्रभावों सहित, कालिक ट्यूमर गतिशीलता को ग्रहण करता है और भविष्य के ट्यूमर भार का अनुमान लगाता है। ये अनुमान ढाल-निर्देशित DDIM को अनुकूलित करते हैं, जिससे अनुमानित वृद्धि और रोगी की शारीरिक रचना दोनों से मेल खाने वाले चित्र संश्लेषण संभव होते हैं। इस मॉडल को BraTS वयस्क और बाल चिकित्सा ग्लियोमा डेटासेट पर प्रशिक्षित किया गया है और बाल चिकित्सा विसरित मध्य रेखा ग्लियोमा (DMG) के एक मामले से 60 अक्षीय स्लाइस पर मूल्यांकन किया गया है। यह ढाँचा स्थानिक समानता माप के आधार पर यथार्थवादी अनुवर्ती स्कैन उत्पन्न करता है। इसके अलावा, यह एक ट्यूमर वृद्धि संभाव्यता मानचित्र प्रस्तुत करता है जो नैदानिक रूप से प्रासंगिक ट्यूमर वृद्धि की सीमा और दिशा, दोनों को ग्रहण करता है, जिसे 95वें प्रतिशतक हॉसडॉर्फ दूरी द्वारा दर्शाया जाता है। यह विधि डेटा-सीमित परिदृश्यों में जैविक रूप से सूचित छवि निर्माण को सक्षम बनाती है, तथा यांत्रिक पूर्व सूचना को ध्यान में रखते हुए उत्पादक स्थानिक-कालिक पूर्वानुमान प्रदान करती है।
