3D-LLDM: Label-Guided 3D Latent Diffusion Model for Improving High-Resolution Synthetic MR Imaging in Hepatic Structure Segmentation

إليك ملخص تقني مفصل لورقة البحث بعنوان: "3D-LLDM: نموذج الانتشار الكامن ثلاثي الأبعاد الموجه بالملصقات لتحسين التصوير بالرنين المغناطيسي الاصطناعي عالي الدقة في تقسيم البنية الكبدية."

1. بيان المشكلة

تعاني نماذج التعلم العميق في التصوير الطبي، لا سيما في مهام التقسيم (Segmentation)، من ندرة مجموعات البيانات عالية الجودة والموسومة. وبينما توفر النماذج التوليدية (مثل شبكات GAN ونماذج الانتشار) حلاً عبر إنشاء بيانات اصطناعية، إلا أن الأساليب الحالية تواجه قيوداً كبيرة:

• القيود ثنائية الأبعاد: تقوم معظم النهج الحالية بتوليد شرائح ثنائية الأبعاد بشكل مستقل، مما يؤدي إلى عدم اتساق هيكلي عند تجميعها في أحجام ثلاثية الأبعاد.
• نقص التحكم: تجد نماذج الانتشار القياسية صعوبة في توليد هياكل تشريحية محددة (مثل الأورام أو أوردة معينة) بمحاذاة مكانية دقيقة.
• الجودة مقابل التعقيد: إن توليد أحجام طبية ثلاثية الأبعاد عالية الدقة بشكل مباشر عملية مكلفة حاسوبياً وغالباً ما تؤدي إلى دقة أقل مقارنة بنظيراتها ثنائية الأبعاد.

يهدف المؤلفون إلى حل هذه المشكلات من خلال إنشاء نظام يولد أحجام رنين مغناطيسي ثلاثية الأبعاد اصطناعية عالية الدقة ومتسقة تشريحياً مقترنة بأقنعة تقسيم مقابلة، وتحديداً للهياكل الكبدية.

2. المنهجية: 3D-LLDM

يعمل نموذج 3D-LLDM (نموذج الانتشار الكامن ثلاثي الأبعاد الموجه بالملصقات) في فضاء كامن مضغوط لإدارة التعقيد الحسابي مع ضمان الاتساق ثلاثي الأبعاد. يتكون الإطار من أربع مراحل رئيسية:

أ. نظرة عامة على البنية

يستخدم النموذج نموذج انتشار كامن (LDM) مدمج مع ControlNet.

1. تدريب المشفر التلقائي (Autoencoder): يتم تدريب مشفرين تلقائيين متغيرين (VAEs):
   • أحدهما لـ إعادة بناء الحجم ($E, D$): يقوم بترميز أحجام الرنين المغناطيفي الحقيقية إلى الفضاء الكامن وفك ترميزها مجدداً.
   • والآخر لـ تخليق الملصقات ($E_l, D_l$): يقوم بترميز أقنعة التقسيم وفك ترميزها.
2. تدريب الانتشار الكامن:
   • يتم تدريب نموذج انتشار ($\epsilon_{l,\theta}$) لتوليد ملصقات (أقنعة تقسيم) اصطناعية في الفضاء الكامن.
   • يتم تدريب نموذج انتشار ثانٍ ($\epsilon_\theta$) لتوليد الأحجام الاصطناعية بناءً على الملصقات.
3. تكامل ControlNet:
   • لضمان التزام الحجم المولد بدقة بالهيكل التشريحي للملصق، يستخدم النموذج ControlNet.
   • يتم ترميز الملصق الاصطناعي (أو الملصق الحقيقي أثناء التدريب) إلى شرط كامن ($c_f$) والذي يوجه عملية توليد الحجم.
   • تهدف دالة الخسارة إلى تقليل الفرق بين الضوضاء المتوقعة والضوضاء الفعلية، بشرط المدخل الملصق:
     $$\mathcal{L}_c = \mathbb{E}_{E(x), \{\epsilon, \epsilon_l\} \sim \mathcal{N}(0,1), t} [||\epsilon - \epsilon_\theta(z_t, t, c_f(\epsilon_l))||^2_2]$$

ب. مسار الاستدلال (Inference Pipeline)

1. توليد الملصق: تمر الضوضاء العشوائية عبر نموذج انتشار الملصقات لتوليد قناع تقسيم اصطناعي ($S(\epsilon_l)$).
2. توليد الحجم: يتم ترميز القناع الاصطناعي وتغذيته في ControlNet. وبالاقتران مع الضوضاء العشوائية، يقوم نموذج انتشار الحجم بتوليد حجم رنين مغناطيسي ثلاثي الأبعاد واقعي ($V(\epsilon_\theta, \epsilon_l)$) يتوافق مع القناع المولد.
3. المخرج: مجموعة بيانات مزدوجة من الأحجام الاصطناعية وملصقاتها المقابلة (الحقيقة الأرضية).

3. المساهمات الرئيسية

1. إطار عمل 3D-LLDM: تقديم نموذج انتشار كامن ثلاثي الأبعاد مبتكر موجه بالملصقات مصمم خصيصاً لتخليق أحجام الرنين المغناطيسي عالية الدقة.
2. الاتساق التشريحي: من خلال العمل في فضاء كامن ثلاثي الأبعاد واستخدام ControlNet، يضمن النموذج اتساقاً تشريحياً صارماً عبر المستويات الإكليلية (coronal)، والسهمية (sagittal)، والمستعرضة (axial)، متجاوزاً عدم الاتساق "شريحة بشريحة" في الأساليب السابقة.
3. مسار تعزيز البيانات: إثبات أن البيانات الاصطناعية الناتجة عن 3D-LLDM يمكن استخدامها بفعالية لتعزيز مجموعات البيانات الحقيقية، مما يحسن بشكل كبير أداء مهام التقسيم اللاحقة للهياكل المعقدة مثل سرطان الخلايا الكبدية (HCC) والأوردة الكبدية.

4. النتائج التجريبية

مجموعة البيانات

• المصدر: 720 مسحاً للرنين المغناطيسي معززاً بـ Gd-EOB-DTPA مجهولة الهوية من مركز سامسونج الطبي (مرحلة الكبد الصفراوي).
• الملصقات: الكبد، الوريد البابي، الوريد الكبدي، وسرطان الخلايا الكبدية (HCC).
• التقسيم: 504 للتدريب، 72 للتحقق، 144 للاختبار.
• المعالجة المسبقة: تم قصها إلى $(160, 160, 64)$ وتطبيعها.

تقييم جودة الصورة (درجة FID)

تم تقييم النموذج باستخدام مسافة فريدشيه للإنتروبيا (FID) عبر مستخرج سمات 3D ResNet-50. تشير الدرجات الأقل إلى جودة أفضل.

• 3D-LLDM: 28.31 (الأفضل)
• 3D-LDM (مع VAE): 38.62
• 3D-DDPM: 77.92
• HA-GAN: 97.38
• التحسن: أظهر 3D-LLDM تحسناً بنسبة 70.9% مقارنة بـ HA-GAN وتحسناً بنسبة 26.7% مقارنة بأفضل خط أساس للانتشار (3D-LDM).

أداء التقسيم اللاحق

استُخدمت البيانات الاصطناعية لتعزيز البيانات الحقيقية (الحقيقية + الاصطناعية) لتدريب خمس بنيات CNN (U-Net, ResUNet, WideResUNet, DynUNet, VNet).

• تقسيم HCC: أظهر أكبر مكسب، بمتوسط تحسن في درجة Dice قدره 8.874%. حقق نموذج U-Net ذروة تحسن بلغت 11.153%.
• تقسيم الأوردة: تحسن بمتوسط 8.591%.
• تقسيم الكبد: تحسن بنسبة 1.362%.
• النتائج النوعية: أظهرت المقارنات البصرية أن النماذج المدربة بالبيانات الاصطناعية أنتجت هياكل وعائية أكثر استمرارية ودقة (مثل الوريد الكبدي الأوسط) مقارنة بالنماذج المدربة على البيانات الحقيقية وحدها.

5. الأهمية والخلاصة

• معالجة ندرة البيانات: تقدم الورقة حلاً قوياً لنقص البيانات الطبية ثلاثية الأبعاد الموسومة، خاصة للأمراض المعقدة أو النادرة مثل أورام الكبد.
• الأهمية السريرية: من خلال توليد أحجام ثلاثية الأبعاد عالية الدقة ومتسقة تشريحياً مع ملصقات دقيقة، يتيح 3D-LLDM تدريب نماذج تقسيم أكثر قوة، وهو أمر بالغ الأهمية للتخطيط الجراحي والتشخيص.
• الاتجاهات المستقبلية: يخطط المؤلفون لتوسيع هذا النهج ليشمل طرق تصوير أخرى واستكشاف التكيف مع النطاق (domain adaptation) لتحسين القدرة على التعميم عبر المستشفيات وأنواع الماسحات الضوئية المختلفة.

باختصار، يمثل 3D-LLDM تقدماً كبيراً في الذكاء الاصطناعي التوليدي الطبي، حيث نجح في سد الفجوة بين التخليق ثلاثي الأبعاد عالي الجودة والتحكم التشريحي الدقيق، مما عزز بشكل مباشر أداء مهام التقسيم التشخيصية الحرجة.