يمكن أن يُحسّن التقدير الصوري للصور المفقودة من خلال التحويل من نوع المصدر إلى الوجهة تنوّعًا في بروتوكولات التصوير الطبي. يُعدّ النهج الشائع لمحاكاة الصور الوجهة هو الخريطة ذات المرّة الواحدة من خلال الشبكات التوليدية التنافسية (GAN). ومع ذلك، قد تعاني نماذج GAN التي تُمثّل توزيع الصور بشكل ضمني من محدودية في وضوح العينات. هنا، نُقدّم طريقة جديدة تعتمد على نمذجة التمايز التنافسي، تُسمّى SynDiff، لتحسين الأداء في تحويل الصور الطبية. لالتقاط تقابل مباشر لتوزيع الصور، تُستخدِم SynDiff عملية تمايز شرطية تُمَثّل تدريجيًا تحويل الضوضاء والصور المصدر إلى الصورة الوجهة. ولضمان عينة صور سريعة ودقيقة أثناء الاستدلال، تُؤخذ خطوات تمايز كبيرة مع تطبيقات تمايز تنافسي في الاتجاه العكسي للتمايز. ولتمكين التدريب على مجموعات بيانات غير مزدوجة، تم تصميم بنية دورية التوافقية مع وحدات مُتمايزة وغير مُتمايزة متزامنة تُمكّن من الترجمة الثنائية بين نوعين من الوسائط. وتم تقديم تقييمات واسعة حول فائدة SynDiff مقارنةً بالمنافسات من نماذج GAN والتمايز في تحويل التصوير بالرنين المغناطيسي متعدد التباين والتصوير بالرنين المغناطيسي إلى التصوير المقطعي (MRI-CT). تُظهر تجاربنا أن SynDiff تقدّم أداءً متفوّقًا كمّيًا ونوعيًا مقارنةً بالأساليب المنافسة.