Benchmarking Vanilla GAN, DCGAN, and WGAN Architectures for MRI Reconstruction: A Quantitative Analysis

Resumen Técnico: Evaluación Comparativa de Vanilla GAN, DCGAN y WGAN para la Reconstrucción de RM

Planteamiento del Problema
La Resonancia Magnética (RM) es una herramienta diagnóstica vital para visualizar tejidos blandos en la rodilla, el cerebro y el corazón. Sin embargo, la adquisición convencional de RM consume mucho tiempo, lo que a menudo provoca artefactos de movimiento, mayores costes y molestias para el paciente. Los métodos de reconstrucción tradicionales, como la Compresión de Sensores (CS-MRI) y las técnicas iterativas, suelen tener dificultades para mantener una claridad, contraste y preservación de detalles óptimos. Aunque las Redes Generativas Antagónicas (GAN) han surgido como una solución prometedora para reconstruir imágenes de alta calidad a partir de datos submuestreados, existe una falta de comparaciones directas y paralelas de las arquitecturas GAN estándar (Vanilla GAN, DCGAN y WGAN) evaluadas a través de múltiples regiones anatómicas bajo un flujo de preprocesamiento unificado.

Metodología
El estudio emplea un marco experimental comparativo para evaluar tres arquitecturas de GAN distintas:

1. Vanilla GAN: Utiliza una configuración antagónica estándar con capas totalmente conectadas y pérdida de entropía cruzada binaria.
2. Deep Convolutional GAN (DCGAN): Reemplaza las capas totalmente conectadas con capas convolucionales y transconvolucionales para capturar mejor las dependencias espaciales y los detalles anatómicos. Incorpora normalización por lotes (batch normalization) y activaciones LeakyReLU para estabilizar el entrenamiento.
3. Wasserstein GAN (WGAN): Reemplaza el discriminador estándar con un "crítico" y utiliza la distancia de Wasserstein (distancia del Movimiento de la Tierra) como función de pérdida. Este enfoque impone la continuidad de Lipschitz mediante el recorte de pesos (weight clipping) para asegurar una convergencia estable y mitigar el colapso de modo.

Conjuntos de Datos y Preprocesamiento
Los modelos fueron entrenados y probados en tres conjuntos de datos de RM distintos y anonimizados para evaluar la generalizabilidad:

• Rodilla: 1,000 imágenes de la base de datos fastMRI de NYU Langone Health (datos de k-space).
• Corazón: 805 imágenes del conjunto de datos Sunnybrook Cardiac Data (SCD).
• Cerebro: 90 imágenes del conjunto de datos Jordan University Hospital (JUH) (secuencias ponderadas en T2).

Todos los conjuntos de datos se sometieron a un preprocesamiento que incluyó normalización, reestructuración y conversión de DICOM a formato PNG. Los datos se dividieron en un 70% para entrenamiento y un 30% para prueba. Los hiperparámetros se ajustaron específicamente para cada modelo, con Vanilla GAN entrenado durante 2,000 épocas (debido a una convergencia más lenta) y DCGAN/WGAN durante 1,000 épocas.

Contribuciones Clave

• Evaluación Comparativa entre Órganos: Este trabajo proporciona la primera evaluación comparativa entre órganos de las GAN base (Vanilla, DCGAN, WGAN) a través de conjuntos de datos de RM de rodilla, corazón y cerebro utilizando un flujo de preprocesamiento consistente.
• Análisis Cuantitativo: El estudio ofrece una evaluación estadística rigurosa de estas arquitecturas utilizando el Índice de Similitud Estructural (SSIM), la Relación Señal-Ruido Pico (PSNR) y la Puntuación de Incepción (IS).
• Validación Estadística: Se realizaron pruebas de ANOVA de un factor y pruebas post-hoc de Tukey's HSD para validar la significancia de las diferencias de rendimiento entre los modelos.

Resultados
El análisis cuantitativo revela jerarquías de rendimiento distintas entre las arquitecturas:

• Similitud Estructural (SSIM): WGAN logró la puntuación más alta (0.99), seguida de cerca por DCGAN (0.97), mientras que Vanilla GAN obtuvo una puntuación significativamente menor (0.84).
• Relación Señal-Ruido Pico (PSNR): WGAN demostró una reducción de ruido superior con un PSNR de 49.3, en comparación con DCGAN (43.5) y Vanilla GAN (26).
• Puntuación de Incepción (IS): Tanto DCGAN como WGAN alcanzaron puntuaciones altas (9.0), lo que indica una alta diversidad y nitidez de imagen, mientras que Vanilla GAN se quedó rezagada con 2.9.
• Significancia Estadística: Los resultados de ANOVA confirmaron que las diferencias en SSIM y PSNR entre los modelos son estadísticamente significativas (p < 0.00001). Las pruebas post-hoc confirmaron que tanto DCGAN como WGAN superan significativamente a Vanilla GAN, con WGAN mostrando una ventaja estadísticamente significativa, aunque menor, sobre DCGAN en SSIM y PSNR.

Las comparaciones visuales a través de las tres regiones anatómicas (Figuras 5–7) corroboran estas métricas, mostrando que DCGAN y WGAN producen reconstrucciones con una fidelidad anatómica superior y menos artefactos en comparación con Vanilla GAN.

Significado y Reivindicaciones
El artículo sostiene que los marcos basados en DCGAN y WGAN son altamente prometedores para la reconstrucción de imágenes de RM debido a su capacidad para generar imágenes de alta calidad con una precisión superior. El estudio enfatiza que, si bien Vanilla GAN sirve como una base fundamental, sufre de inestabilidad en el entrenamiento y una menor calidad de imagen. En contraste, las mejoras arquitectónicas en DCGAN (capas convolucionales) y las mejoras en la función de pérdida en WGAN (distancia de Wasserstein) resuelven eficazmente las inestabilidades de entrenamiento y el colapso de modo.

Los autores posicionan este trabajo como un benchmark reproducible para investigaciones futuras, específicamente para el desarrollo de GAN híbridas y aplicaciones clínicas de RM. Al establecer una base sólida en múltiples regiones corporales, el estudio pretende guiar las futuras modificaciones de los modelos GAN para abordar las limitaciones del mundo real en las imágenes médicas. El artículo reconoce modestamente que, aunque la Puntuación de Incepción se utilizó como una métrica perceptual, no está diseñada específicamente para imágenes médicas en escala de grises, sugiriendo que el trabajo futuro podría beneficiarse de alternativas específicas del dominio como FID o puntuaciones clínicas.