🤖 AI

Disentangled Anatomy-Disease Diffusion (DADD) for Controllable Ulcerative Colitis Progression Synthesis

Das Papier schlägt Disentangled Anatomy-Disease Diffusion (DADD) vor, ein neuartiges Framework, das kontrollierbare longitudinale Endoskopiebilder bei Colitis ulcerosa synthetisiert, indem es patientenspezifische Anatomie von der Schwere der Erkrankung durch einen Feature Purifier und einen Triple-Pathway Cross-Attention-Mechanismus entkoppelt und dadurch hochfidele Bilder über alle Schweregrade hinweg erzeugt, um verzerrte Datensätze auszugleichen und nachgelagerte Klassifizierungen zu verbessern.

Ursprüngliche Autoren: Umut Dundar, Alptekin Temizel

Veröffentlicht 2026-05-06

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Umut Dundar, Alptekin Temizel

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie haben ein Foto der Magenschleimhaut einer Person (aufgenommen mittels Endoskop). Manchmal ist diese Schleimhaut gesund und rosa; zu anderen Zeiten ist sie aufgrund einer Erkrankung namens Colitis ulcerosa rot, geschwollen und ulzeriert. Ärzte verwenden einen Score von 0 bis 3, um den Schweregrad zu beschreiben.

Das Problem ist, dass medizinische Daten knapp sind. Wir haben nicht genügend Fotos der Magenschleimhaut derselben Person in jedem Stadium der Erkrankung, um zu untersuchen, wie sie sich im Laufe der Zeit verändert. Außerdem sind die vorhandenen Fotos unausgewogen: Wir haben eine Flut an „gesunden" Fotos, aber sehr wenige „schwere" Fälle.

Die Autoren dieses Papiers entwickelten ein Werkzeug namens DADD (Disentangled Anatomy-Disease Diffusion), um dieses Problem zu lösen. Stellen Sie es sich als einen „medizinischen Zeitreise-Fotoeditor" vor.

So funktioniert es, vereinfacht durch Analogien:

1. Das Problem: Der „klebrige" Durcheinander

Normalerweise gerät eine KI in Verwirrung, wenn Sie versuchen, eine Krankheit in einem Foto zu verändern (z. B. eine gesunde Magenschleimhaut in eine kranke zu verwandeln). Es ist, als würde man versuchen, eine Wand neu zu streichen, während die Farbe noch feucht ist; die neue Farbe vermischt sich mit der alten Textur.

In technischen Begriffen ist das „Gedächtnis" der KI für die einzigartige Anatomie des Patienten (die Falten und die Form des Magens) mit dem Gedächtnis der Krankheit (die Rötung und die Wunden) verklebt. Wenn Sie der KI sagen, die Krankheit solle sich verschlimmern, könnte sie versehentlich die Form des Magens verändern. Wenn Sie ihr sagen, die Krankheit solle sich bessern, könnte sie versehentlich die einzigartigen Merkmale des Patienten auslöschen.

2. Die Lösung: Der „Merkmalsreiniger" (die Waschmaschine)

Um dies zu beheben, verwendet DADD eine spezielle Komponente namens Feature Purifier (Merkmalsreiniger).

Stellen Sie sich die Bilddaten der KI als einen Wäschekorb vor, in dem die „Anatomie" des Patienten saubere weiße Hemden sind und die „Krankheit" schmutzige Socken. Alles ist durcheinander gemischt.

Der Reiniger betrachtet den Korb, identifiziert, welche Teile die „schmutzigen Socken" (die Krankheit) sind, und entfernt sie.
Er hinterlässt nur die „sauberen weißen Hemden" (die einzigartige Anatomie des Patienten).
Nun hat die KI eine saubere Leinwand, die nur die Magenstruktur des Patienten zeigt, ohne eine angehängte Krankheit.

3. Die „Dreifach-Pfad"-Küche

Sobald die KI die saubere Anatomie hat, muss sie die Krankheit wieder hinzufügen, jedoch auf einem bestimmten Niveau (z. B. „Lassen Sie es wie ein Schweregrad 2 aussehen").

Die Autoren bauten eine spezielle Küche mit drei separaten Förderbändern (Pfaden), die in den Kochtopf (das KI-Modell) führen:

Das Anatomie-Band: Transportiert die saubere Patientenstruktur.
Das Krankheits-Band: Transportiert die Anweisungen, welche Krankheit hinzugefügt werden soll.
Das Delta-Band: Transportiert die Anweisungen, wie stark die Veränderung sein soll.

Die geheime Zutat (frequenzbewusstes Routing):
Die KI weiß, dass verschiedene Teile des Bildes unterschiedliche Behandlungen benötigen.

Niederauflösende Schichten (das große Ganze) sind wie das Skelett des Magens. Die KI sendet das Anatomie-Band hierher, um sicherzustellen, dass sich die Magenform nicht verändert.
Hochauflösende Schichten (die feinen Details) sind wie die Hauttextur. Die KI sendet das Krankheits-Band hierher, um die Rötung und die Geschwüre aufzutragen, ohne die Form zu zerstören.

Dies stellt sicher, dass der Patient wie er selbst aussieht, aber die Krankheit genau so erscheint, wie gewünscht.

4. „Delta-Steuerung": Der Lautstärkeregler

Die meisten KI-Tools, die Bilder verändern, erfordern, dass Sie den Prozess zweimal ausführen (einmal, um das Bild zu sehen, und einmal, um zu sehen, was passiert, wenn Sie keine Anweisungen geben), um den Unterschied zu ermitteln. Dies ist langsam.

DADD verwendet Delta-Steuerung. Stellen Sie sich dies als einen Lautstärkeregler oder einen Dimmer vor.

Anstatt die Maschine zweimal laufen zu lassen, drehen Sie einfach den Regler.
Wenn Sie von „Leicht" zu „Schwer" wechseln wollen, drehen Sie den Regler auf.
Wenn Sie von „Schwer" zu „Geheilt" wechseln wollen, drehen Sie ihn herunter.
Dies geschieht in einem einzigen Durchlauf, wodurch der Prozess zweimal so schnell ist wie andere Methoden.

Was haben sie erreicht?

Sie testeten dies an einem Datensatz realer Koloskopiebilder (LIMUC).

Das Ergebnis: Sie konnten ein Foto eines Patienten mit leichter Erkrankung nehmen und ein Foto desselben Patienten mit schwerer Erkrankung generieren, und umgekehrt.
Der Beweis: Als sie diese generierten Fotos verwendeten, um einen Computer zum Diagnostizieren der Krankheit zu trainieren, wurde der Computer viel besser darin, den Unterschied zwischen leichten und schweren Fällen zu erkennen.
Der Haken: Wenn Sie den „Lautstärkeregler" (Steuerungsskala) zu hoch drehen, wird das Bild verzerrt und sieht seltsam aus. Bei der richtigen Einstellung funktioniert es jedoch hervorragend.

Kurz gesagt: DADD ist ein Werkzeug, das die einzigartige Körperform eines Patienten von seiner Krankheit trennt und es Ärzten ermöglicht zu simulieren, wie sich der Zustand dieses spezifischen Patienten im Laufe der Zeit verbessern oder verschlechtern könnte, wobei die Identität des Patienten dabei intakt bleibt.

Technischer Zusammenfassung: Entkoppelte Anatomie-Erkrankungs-Diffusion (DADD) für kontrollierte Synthese des Fortschreitens der Colitis ulcerosa

1. Problemstellung

Die Synthese longitudinaler medizinischer Bilder in kontrollierbaren Krankheitsstadien wird durch die Verflechtung patientenspezifischer anatomischer Merkmale und pathologischer Texturen behindert. Im Kontext der Colitis ulcerosa (UC) folgt der Schweregrad der Erkrankung einem kontinuierlichen ordinalen Verlauf, der durch den Mayo-Endoskopie-Score (MES) definiert ist und von 0 (normal) bis 3 (schwer) reicht. Bestehende Datensätze wie LIMUC leiden unter einer schweren Klassenungleichgewichtung und einem Mangel an longitudinalen Nachuntersuchungen aufgrund des invasiven Charakters wiederholter Endoskopien.

Aktuelle generative Ansätze sehen sich einer kritischen „Verflechtungs-Engstelle" gegenüber. Methoden, die die Generierung auf Referenzbilder konditionieren (z. B. IP-Adapter unter Verwendung von CLIP-Encodern), kodieren die ursprüngliche Krankheitspathologie unvermeidlich in die anatomische Repräsentation ein. Beim Versuch, eine kontrafaktische Progression zu synthetisieren (z. B. die Umwandlung eines Quellbildes von MES 3 auf MES 0), erhält das Modell widersprüchliche Signale: Es muss die anatomische Struktur bewahren, gleichzeitig die ursprüngliche Pathologie entfernen und ein neues Schweregradniveau generieren. Dieser semantische Konflikt führt häufig zu strukturellen Artefakten oder zum Scheitern bei der Beseitigung bestehender Krankheitsmerkmale.

2. Methodik

Das vorgeschlagene Framework, Disentangled Anatomy-Disease Diffusion (DADD), adressiert dies durch die explizite Trennung der anatomischen Identität von der Krankheitsschwere innerhalb eines latenten Diffusionsmodells. Die Architektur integriert drei neuartige Komponenten in einen Standard-Stable-Diffusion-Rückgrat:

2.1. Additiver Ordinal-Embedder (AOE)

Um die kontinuierliche Natur des MES zu modellieren, verwendet das Framework einen AOE, der die Schwere als kumulative Summe lernbarer Inkremente darstellt. Ein höherer MES-Wert umfasst alle Merkmale niedrigerer Stufen sowie zusätzliche Pathologien. Dies ermöglicht die Generierung beliebiger intermediärer Schweregrade durch kontinuierliche Interpolation.

2.2. Merkmalsbereiniger

Zur Lösung der Verflechtung zwischen Anatomie und ursprünglicher Erkrankung wird ein Feature Purifier (Merkmalsbereiniger) eingeführt. Dieses Modul arbeitet in drei Stufen:

Identifikation: Eine Cross-Attention-Schicht fragt die Bild-Token gegen das ursprüngliche Krankheits-Embedding (abgeleitet vom ursprünglichen MES-Label) ab, um krankheitskorrelierte Kanäle zu identifizieren.
Gating: Ein Gating-MLP erzeugt eine Sigmoid-Maske, um die Unterdrückung dieser identifizierten Merkmale zu steuern.
Löschung: Eine gated residual Subtraktion entfernt die Krankheitskomponente aus den Bild-Token und liefert „gereinigte" Anatomie-Token ( $e_{clean}$ ), die die strukturelle Identität bewahren, aber die ursprüngliche Pathologie nicht enthalten.

2.3. Dreifach-Pfad-Cross-Attention

Anstatt alle Konditionierungstoken zu konkatenieren, nutzt DADD einen Split-Injektionsmechanismus mit drei distincten Pfaden, die in das U-Net injiziert werden:

Anatomie-Pfad: Verarbeitet die gereinigten Anatomie-Token ( $e_{clean}$ ) unter Verwendung vortrainierter Projektionen, um die strukturelle Rekonstruktion zu bewahren.
Krankheitspfad: Verarbeitet die Ziel-Krankheits-Token ( $e_{aoe}^t$ ) unter Verwendung separater, verzerrungsfreier Projektionen.
Delta-Pfad: Verarbeitet die gerichtete Schwereänderung ( $\Delta$ ), die aus der Differenz zwischen Ziel- und Quell-Embeddings abgeleitet wird.

Frequenzbewusstes Routing: Das Framework verwendet auflösungsabhängige Routing-Gates ( $g_a, g_d$ ), um den Beitrag von Anatomie versus Krankheit in verschiedenen U-Net-Tiefen zu gewichten. Blöcke mit niedriger Auflösung (die globale Strukturen erfassen) werden stark zugunsten der Anatomie gewichtet, während Blöcke mit hoher Auflösung (die feine Texturen erfassen) zugunsten der Krankheit gewichtet werden. Dies stellt sicher, dass Krankheitsbearbeitungen auf feinkörnige pathologische Texturen beschränkt bleiben, ohne die globale Schleimhautstruktur zu stören.

2.4. Delta-Steuerung

Um eine präzise Kontrolle über Krankheitsübergänge ohne die Rechenkosten von Classifier-Free Guidance (CFG) zu ermöglichen, führen die Autoren die Delta Steering ein. Dies ist ein trainingsfreies, einstufiges Richtungssignal, das aus der projizierten Differenz zwischen Ziel- und ursprünglichen ordinalen Embeddings abgeleitet wird.

Mechanismus: $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$ .
Operation: Während der Inferenz wird $\Delta$ durch die verzerrungsfreien Krankheitsprojektionen verarbeitet, um ein vorzeichenbehaftetes, magnitudenproportionales Signal in den Aufmerksamkeitsmechanismus einzuspeisen.
Vorteil: Dies eliminiert die Notwendigkeit von unbedingten Vorwärtsdurchläufen und reduziert die Inferenzlatenz im Vergleich zu herkömmlicher CFG um etwa das Zweifache.

3. Hauptbeiträge

Entkoppelung durch Löschung: Ein auf Cross-Attention basierender Feature Purifier, der dynamisch krankheitskorrelierte Kanäle aus Bild-Token identifiziert und unterdrückt, wodurch die Anatomie effektiv von der Pathologie entkoppelt wird.
Frequenzbewusste Injektion: Ein Dreifach-Pfad-Cross-Attention-Mechanismus mit festen Routing-Gates, der anatomische und pathologische Signale basierend auf der Auflösungs-Hierarchie an geeignete U-Net-Schichten leitet.
Delta Steering: Ein neuartiger, einstufiger Steuerungsmechanismus für monotone Krankheitsprogression, der vorzeichenbehaftete, magnitudenproportionale Kontrolle bietet und eine effizientere Alternative zu CFG darstellt.
Gezielte Augmentierung: Ein empirischer Nachweis, dass die Synthese subjectspezifischer longitudinaler Daten die verzerrten Klassenverteilungen effektiv ausgleicht und die Leistung nachgelagerter Klassifikationsaufgaben verbessert.

4. Experimentelle Ergebnisse

Das Framework wurde am LIMUC-Datensatz (10.284 Bilder) unter Verwendung von Stable Diffusion v1.4 validiert.

Generierungsqualität: Während einige Varianten (DADD-I, DADD-U) niedrigere Fréchet Inception Distance (FID)-Werte erreichten, gelang es ihnen nicht, diskriminierende pathologische Merkmale zu erzeugen, was zu nahezu zufälliger Leistung in nachgelagerten Aufgaben führte. Die Hierarchical Routing (DADD-H)-Konfiguration, die die Krankheitsinjektion mit Schichten hoher Auflösung abstimmt, erreichte das beste Gleichgewicht.
Nachgelagerte Klassifikation: DADD-H verbesserte die Klassifikationsgenauigkeit und den Quadratischen Weighted Kappa (QWK) im Vergleich zu Baselines signifikant. In einem „Nur-Synthetisch"-Trainingszenario (keine realen Daten) erreichte DADD-H 61,68 % Genauigkeit und 70,74 QWK und übertraf die IP-AOE-Baseline (54,54 % / 42,20 QWK).
Scheregrad-Genauigkeit: Ein auf realen Daten trainierter Regression Judge bewertete die synthetischen Ausgaben. DADD-H erreichte 81,53 QWK und 0,46 RMSE und entsprach damit eng der Leistung von Modellen, die auf realen Daten trainiert wurden (83,28 QWK / 0,47 RMSE). Dies bestätigt, dass das Modell die Pathologie tatsächlich transformiert und nicht die Quelle repliziert.
Inferenzgeschwindigkeit: DADD-Varianten erreichten dank des einstufigen Delta-Steering-Mechanismus eine etwa 2-fache Beschleunigung gegenüber CFG-basierten Baselines (z. B. 187,3 ms/Bild vs. 314,6 ms/Bild bei Batch-Größe 8).
Qualitative Analyse: Visuelle Vergleiche zeigten, dass DADD-H bestehende pathologische Texturen erfolgreich löschte, wenn niedrigere Schweregrade synthetisiert wurden (z. B. MES 3 $\to$ 0), während IP-Adapter-Baselines versagten, die ursprüngliche Krankheit zu entfernen, was zu verflochtenen Generierungen führte.

5. Bedeutung und Behauptungen

Die Arbeit behauptet, dass DADD ein robustes Framework zur Synthese longitudinaler medizinischer Bilder bietet, bei dem die patientenspezifische Anatomie bewahrt bleibt, während die Krankheitsschwere kontrolliert moduliert wird. Die Autoren betonen, dass:

Verteilungsähnlichkeit (FID) unzureichend ist, um die konditionierte Progressionssynthese zu validieren; Modelle mit niedrigem FID können die Pathologie nicht sinnvoll verändern.
Entkoppelung kritisch ist: Die explizite Löschung ursprünglicher Krankheitsinformationen aus dem anatomischen Embedding ist notwendig, um semantische Konflikte während der kontrafaktischen Generierung zu vermeiden.
Effizienz: Der Delta-Steering-Mechanismus eine rechnerisch effiziente Alternative zu CFG bietet und die kontrollierte Synthese für klinische Anwendungen praktikabler macht.
Klinischer Nutzen: Die Fähigkeit, ausgewogene, subjectspezifische longitudinale Daten zu generieren, adressiert direkt die endemische Klassenungleichgewichtung in medizinischen Datensätzen und verbessert das Training nachgelagerter diagnostischer Klassifikatoren.

Die Autoren weisen darauf hin, dass die Leistung empfindlich gegenüber der Steuerungs-Skala ( $\lambda_{steer}$ ) bleibt, wobei Werte $\ge 5$ strukturelle Artefakte einführen, und schlagen zukünftige Arbeiten zu pro-Klasse-Steuerungsplänen sowie eine Erweiterung auf andere longitudinale medizinische Modalitäten vor.