Les réseaux image-à-image tels que pix2pix et CycleGAN ont permis des progrès importants en synthèse d’image ces dernières années. Ils sont désormais appliqués régulièrement en imagerie médicale 3D pour un grand nombre d’applications. Ces méthodes ont toutefois été peu étudiées dans le cadre de l’imagerie médicale dynamique 4D, qui tient compte de la composante temporelle présente dans certaines acquisitions. Dans ce travail, nous proposons une nouvelle architecture de réseaux antagonistes génératifs (GAN) doublement conditionnels pour l’imagerie respiratoire 4D scanner (4DCT) à partir d’images statiques (3DCT) et d’une mesure externe de mouvement respiratoire. Une mesure scalaire d’amplitude de respiration du patient agit comme un style au travers d’une couche Adaptive Instance Normalization (AdaIN) permettant une régression des différentes phases respiratoires. Nous présentons des résultats sur des images synthétiques à divers degrés de perturbation et des images réelles d’acquisitions pulmonaires 4DCT.