3D CBCT Artefact Removal Using Perpendicular Score-Based Diffusion Models

Die vorgestellte Arbeit schlägt eine Methode zur Entfernung von Artefakten in 3D-CBCT-Bildern vor, die auf senkrechten score-basierten Diffusionsmodellen im Projektionsbereich basiert und durch die Kombination zweier 2D-Modelle die Konsistenz zwischen den einzelnen Projektionen verbessert.

Das Wesentliche

Das Problem: Der "Glitzer-Effekt" im Zahn-Röntgen

Stell dir vor, du machst ein Foto von einem schönen Kuchen. Aber genau davor hält jemand eine glänzende, silberne Gabel. Auf dem Foto siehst du den Kuchen kaum noch, weil die Gabel das Licht reflektiert und das ganze Bild verdirbt.

In der Zahnmedizin passiert genau das beim CBCT (eine spezielle 3D-Röntgentechnik). Wenn ein Patient Metallimplantate oder Füllungen hat, wirken diese wie diese glänzende Gabel. Sie werfen "Schatten" und Verzerrungen (sogenannte Artefakte) in das Bild. Der Zahnarzt sieht dann nicht mehr klar, ob der Knochen gesund ist oder ob das Implantat fest sitzt. Das ist wie durch eine beschlagene Brille schauen.

Die alte Lösung: Der "Flickenteppich"

Bisher haben Computer versucht, diese Metallteile im Bild einfach "wegzuzaubern" und die Lücken mit dem Rest des Bildes zu füllen (das nennt man Inpainting).
Das Problem dabei war: Die Computer haben jedes einzelne 2D-Bild (die einzelnen Schichten des 3D-Modells) alleine betrachtet.

Die Analogie: Stell dir vor, du musst ein riesiges Puzzle aus 1000 einzelnen Fotos zusammensetzen. Die alte Methode hat jedes Foto einzeln bearbeitet, ohne auf die anderen zu achten. Das Ergebnis war oft, dass das Implantat im ersten Bild an einer Stelle war, im zweiten Bild aber plötzlich ein Stück weiter. Das 3D-Bild sah dann "wackelig" oder unlogisch aus, wie ein Flickenteppich.

Die neue Lösung: Der "Zwei-Team-Ansatz"

Die Forscher aus Basel haben eine clevere neue Methode entwickelt, die sie TPDM nennen. Statt nur einen Computer zu nutzen, der auf 2D-Bilder schaut, haben sie zwei Teams von KI-Modellen gebildet, die sich gegenseitig helfen.

1. Team A (Das Haupt-Team): Schaut sich die Bilder in der normalen Richtung an (wie man ein Buch liest).
2. Team B (Das Quer-Team): Schaut sich die Bilder genau im 90-Grad-Winkel dazu an (wie wenn man das Buch umdreht und von der Seite betrachtet).

Die Magie:
Statt die Bilder nacheinander zu bearbeiten, lassen die Forscher diese zwei Teams im Takt tanzen.

• Team A macht einen Schritt, korrigiert das Bild.
• Dann springt Team B ein, schaut sich das Ergebnis aus der anderen Perspektive an und korrigiert es nochmal.
• Dann wieder Team A, dann Team B...

Die Analogie: Stell dir vor, du versuchst, einen zerkratzten 3D-Würfel zu reparieren.

• Der alte Computer hat nur von oben auf den Würfel geschaut und versucht, die Kratzer zu übermalen.
• Der neue Computer hat zwei Maler: Einer steht oben und malt, der andere steht seitlich. Sie rufen sich ständig zu: "Hey, von oben sieht es gut aus, aber von der Seite ist die Kante noch krumm!" So entsteht am Ende ein perfekt glatter, logischer Würfel, bei dem alle Teile zusammenpassen.

Warum ist das so gut?

1. Es passt zusammen: Da beide Teams zusammenarbeiten, sieht das Implantat im fertigen 3D-Bild überall gleich aus. Keine Wackeleffekte mehr.
2. Es ist schlau: Die KI lernt nicht nur, wie ein Implantat aussieht, sondern auch, wie es sich durch den Raum bewegt. Sie versteht die "Zusammenhänge" zwischen den einzelnen Schichten.
3. Es funktioniert überall: Die Methode hat sich bewährt, egal ob das Röntgenbild groß oder klein ist und egal, ob das Implantat im Bildfeld ist oder knapp daneben (in einem Bereich, der "Exomasse" genannt wird und wo alte Methoden oft versagen).

Das Ergebnis

In Tests mit Schweinekiefern (die wie menschliche Kiefer aussehen) hat diese neue Methode deutlich bessere Bilder geliefert als die alten Verfahren.

• Messbar: Die Bilder waren schärfer und genauer (gemessen an Zahlen wie SSIM und PSNR, die hier einfach "Qualitäts-Scores" heißen).
• Schneller: Obwohl es komplex klingt, war die neue Methode sogar schneller als eine der alten Methoden, weil sie effizienter arbeitet.

Fazit

Die Forscher haben einen Weg gefunden, wie man Metall-Störungen in Zahn-Röntgenbildern so entfernt, dass das 3D-Bild wieder klar und stabil ist. Sie nutzen dabei zwei KI-Modelle, die sich gegenseitig kontrollieren, anstatt nur auf einzelne Bilder zu schauen.

Kurz gesagt: Statt den Fleck auf dem T-Shirt nur von vorne zu flicken, schauen sie sich das T-Shirt von vorne und von der Seite an, damit der Flick nahtlos sitzt. Das hilft Zahnärzten, bessere Diagnosen zu stellen und Patienten sicherer zu behandeln.

Technische Zusammenfassung

1. Problemstellung

Die Kegelstrahl-Computertomographie (CBCT) ist ein weit verbreitetes 3D-Bildgebungsverfahren in der Zahnmedizin, das hohe Auflösung bei geringer Strahlenbelastung bietet. Ein Hauptproblem ist jedoch die Entstehung von Artefakten durch hochdichte Objekte wie Zahnimplantate oder Füllungsmaterialien. Diese Artefakte verzerren die rekonstruierten Bilder, verschlechtern die Bildqualität und können die diagnostische Genauigkeit beeinträchtigen.

Herkömmliche Ansätze zur Artefaktreduktion arbeiten oft im rekonstruierten Bilddomain oder in einzelnen 2D-Projektionen.

• Nachteil von Bild-Domain-Methoden: Die Artefakte sind bereits in den Daten vorhanden, was zu einem irreversiblen Informationsverlust führen kann.
• Nachteil bestehender Diffusionsmodelle: Aktuelle diffusionsbasierte Methoden zur „Inpainting" (Einfüllung) von Implantaten arbeiten meist unabhängig auf einzelnen 2D-Projektionen. Dies ignoriert die Korrelationen zwischen den einzelnen Projektionen, was zu Inkonsistenzen in der finalen 3D-Rekonstruktion führt.

2. Methodik: TPDM (Perpendicular Score-Based Diffusion Models)

Die Autoren schlagen einen neuartigen Ansatz vor, der 3D-Implantat-Inpainting im Projektionsdomain mittels zweier senkrecht zueinander stehender Score-Based Diffusion Models löst.

• Grundprinzip: Anstatt ein rechenintensives 3D-Modell zu trainieren, werden zwei separate 2D-Modelle verwendet, die in unterschiedlichen Ebenen trainiert sind, um die 3D-Verteilung der Projektionsreihe zu modellieren.
  • Primäres Modell ($s_\theta$): Trainiert auf den ursprünglichen 2D-Projektionen (entlang der Rotationsachse des Scanners).
  • Sekundäres Modell ($s_\phi$): Trainiert auf Projektionen, die senkrecht zur primären Ebene stehen (andere Orientierung).
• Sampling-Schema (Algorithmus 1):
  • Während des Inferenzprozesses (Sampling) wechselt der Algorithmus iterativ zwischen den beiden Modellen.
  • In jedem Schritt wird entschieden, ob das primäre oder das sekundäre Modell verwendet wird, um das Volumen entlang der jeweiligen Trainingsrichtung zu sampeln.
  • Konditionierung: Die Konditionierung auf das gemessene Volumen (d.h. das Einhalten der Messdaten außerhalb der Implantatmaske) erfolgt nur, wenn das primäre Modell verwendet wird. Dies wird durch die Diffusion Posterior Sampling (DPS) Technik realisiert, die den Posterior approximiert: $\nabla_{x_t} \log p(x_t|y) \approx s_\theta(x_t, t) - \lambda \nabla_{x_t} \|A(\hat{x}_0(x_t)) - y\|_2^2$.
• Vorteil: Dieser Ansatz nutzt die inter-slice Korrelationen für eine konsistente 3D-Rekonstruktion, vermeidet jedoch den hohen Rechenaufwand und den großen Datenbedarf eines vollständigen 3D-Modells.

3. Experimentelles Setup

• Datensatz: Ein präklinischer Datensatz mit CBCT-Scans von zehn frischen Schweinekiefern (ohne Implantate).
• Simulation: Da keine echten Projektionsbilder mit bekannten Implantaten verfügbar waren, wurden Implantate synthetisch in die rekonstruierten Volumina eingefügt und deren Projektionen simuliert. Strahlenhärtung (Beam Hardening) und Rauschen (Poisson- und Gauß-Rauschen) wurden hinzugefügt, um Artefakte zu erzeugen.
• Vielfalt: Die Daten umfassen vier verschiedene CBCT-Scanner und zwei Feldgrößen (FOV: klein und groß), wobei Implantate sowohl im Sichtfeld als auch im „Exomass" (außerhalb des FOV, aber zwischen Quelle und Detektor) platziert wurden.
• Training: Unbedingtes Training (unconditional) auf den implantatfreien Projektionen. Die Hyperparameter wurden per Grid Search optimiert ($\lambda = 1.0$, Wechselfrequenz $K=2$).

4. Ergebnisse

Die Methode (TPDM) wurde mit zwei Vergleichsverfahren evaluiert:

1. DPS (2D): Ein Diffusionsmodell, das nur auf den primären 2D-Projektionen arbeitet (ohne das senkrechte Modell).
2. LI (Linear Interpolation): Lineare Baryzentrische Interpolation.

Metriken: RMSE, SSIM und PSNR wurden sowohl für die eingefüllten Bereiche in den Projektionen als auch für die gesamte rekonstruierte 3D-Volumina berechnet.

• Quantitative Ergebnisse: TPDM übertraf beide Vergleichsmethoden in allen Metriken.
  • In den Projektionen zeigte TPDM die besten Werte (SSIM: 0.929 vs. 0.911 bei DPS; PSNR: 35.87 vs. 33.00).
  • In den Rekonstruktionen waren die Unterschiede im RMSE gering (da der FDK-Algorithmus Fehler mittelt), aber TPDM erzielte höhere SSIM- und PSNR-Werte als DPS und LI.
• Qualitative Ergebnisse: Differenzkarten zeigten, dass TPDM die geringste Abweichung zum Referenzbild aufweist.
• Effizienz: TPDM war signifikant schneller als das reine DPS-Verfahren (ca. 8,5 Stunden vs. 14 Stunden für eine Projektionsreihe), da die alternierende Nutzung der Modelle effizienter ist.

5. Key Contributions & Signifikanz

• Erste 3D-Erweiterung: Dies ist der erste Ansatz, der Diffusionsmodelle für das Implantat-Inpainting von 2D-Projektionen auf 3D-Projektionsstapel erweitert, um inter-slice Korrelationen zu nutzen.
• Effiziente 3D-Modellierung: Durch die Kombination zweier 2D-Modelle in einem Sampling-Schema wird die Komplexität eines vollen 3D-Modells umgangen, während die 3D-Konsistenz erhalten bleibt.
• Robustheit: Die Methode funktioniert zuverlässig bei verschiedenen Scanner-Geometrien, FOV-Größen und Implantatpositionen (auch im Exomass).
• Unabhängigkeit vom Masken-Feature: Das Training ist unbedingter Natur und nicht von spezifischen Merkmalen der Implantatmaske abhängig, was die Generalisierbarkeit erhöht.
• Klinische Relevanz: Die Methode bietet eine vielversprechende Lösung zur Verbesserung der Bildqualität und diagnostischen Genauigkeit in der Zahnmedizin, insbesondere in Szenarien mit kleinen FOVs, wo Implantate oft außerhalb des Sichtfeldes liegen und starke Artefakte verursachen.

Fazit: Das Paper demonstriert erfolgreich, dass die Nutzung senkrechter Score-Based Diffusion Models im Projektionsdomain eine überlegene Alternative zu reinen 2D-Ansätzen oder linearen Interpolationsmethoden darstellt, um Metallartefakte in CBCT-Bildern zu reduzieren, ohne dabei die Vorteile der 3D-Kohärenz zu verlieren.