Anatomy-aware（解剖结构感知）是医学影像分析中的一类建模范式，指算法在重建、分割或生成过程中显式引入人体解剖结构先验，使输出符合真实的器官形态与空间关系。它已从分割领域的辅助约束，逐步扩展到扩散模型、跨模态合成等生成式任务中，成为提升医学图像可靠性的常用思路。
Anatomy-aware 方法的近期进展
当前焦点与观察点
Anatomy-aware 建模的核心争议在于如何平衡"生成能力"与"解剖一致性"：引入过强的结构先验可能抑制模型对病变或个体差异的表达，过弱则容易产生不符合生理的虚假细节。目前主流做法是把解剖信息作为语义约束、迭代条件或训练目标的一部分，而非硬性规则。
值得关注的趋势有三点：一是 anatomy-aware 正从分割走向扩散模型主导的重建与合成任务；二是跨说话人、跨对比度等泛化场景开始成为检验解剖先验有效性的新基准；三是交互式、可提示的范式兴起，使解剖感知不再只是离线训练时的固定假设，而是在使用中可被动态调整。后续仍需关注这类方法在大规模临床数据上的验证情况。