本研究提出了一种结合可逆UNet和可逆注意力模块的新架构，旨在解决扩散模型在医学图像合成中的高计算资源需求问题。该模型在单个GPU上实现了内存高效训练，内存使用与数据集维度无关，能耗降低，并且在3D BraTS2020数据集上内存消耗减少15%，图像质量保持在最新水平。

混合增强生成对抗网络（HAGAN）在医学图像合成中发挥重要作用，通过注意力混合生成器、分层鉴别器和反向跳跃连接提高合成图像准确性。实验评估显示，HAGAN在不同规模的数据集上达到了最先进的性能。