多模态医学图像通过提供互补的解剖和病理信息，在疾病诊断和治疗规划中发挥着关键作用。然而，由于实际应用中的诸多限制， 如扫描时间过长、图像受损以及成像协议的差异，常常导致模态缺失或不可用，这严重限制了多模态数据的使用。为解决这个问题，提出 了一种用于多模态医学图像合成的动态特征融合生成对抗网络（DFF-GAN）。具体而言，在生成器中，设计了一个动态特征融合（DFF）模 块，该模块在全局上下文的引导下自适应地整合多尺度局部特征。在瓶颈处，引入了一个卷积状态空间（CS）模块，以捕获长程依赖关系 并减少信息损失。最后，由判别器对生成的图像进行评估，从而为生成的图像提供全局监督信号。