CT-DegradBench: A Physics-Informed Benchmark for CT Degradation Detection and Severity Estimation

Resumen Técnico: CT-DegradBench y SeSpeCT

Enunciado del Problema
Las imágenes de Tomografía Computarizada (TC) se ven frecuentemente comprometidas por artefactos de adquisición, incluyendo ruido, desenfoque, rayas, aliasing y artefactos metálicos. Estas degradaciones surgen de diversas fuentes como la reducción de dosis, el muestreo de vistas escasas, los implantes metálicos y el movimiento del paciente, ocurriendo a menudo en combinación con niveles variables de severidad. Aunque el aprendizaje profundo ha avanzado en las tareas de restauración de TC (por ejemplo, eliminación de ruido, reducción de artefactos metálicos), la evaluación de estos métodos sigue siendo problemática. Las evaluaciones actuales dependen en gran medida de métricas de Evaluación de la Calidad de Imagen (IQA) (por ejemplo, PSNR, SSIM) que carecen de validez perceptual y clínica consistente a través de diversos tipos de degradación. Además, los conjuntos de datos existentes están típicamente diseñados para tareas de restauración aisladas, careciendo de puntos de referencia unificados que apoyen el análisis sistemático de la detección de degradación, la estimación de severidad y la fiabilidad de las métricas bajo condiciones controladas de artefactos individuales y mixtos.

Metodología
Los autores abordan estas brechas a través de dos contribuciones principales: un nuevo conjunto de datos/punto de referencia y un marco de estimación novedoso.

1. CT-DegradBench (Conjunto de datos y Punto de referencia):

   • Generación: El conjunto de datos se construye utilizando modelos de degradación informados por la física aplicados a imágenes de TC de referencia del Desafío Gran de TC de Baja Dosis de Mayo 2016. Las degradaciones se simulan en el dominio de la proyección (sinograma) o modificando los mapas de atenuación antes de la reconstrucción mediante Retroproyección Filtrada (FBP).
   • Tipos de Degradación: Cubre cinco familias comunes de artefactos: Ruido (mezcla Poisson–Gaussiana), Pérdida de Nitidez (desenfoque), Rayas, Aliasing (vistas escasas) y Artefactos Metálicos.
   • Severidad y Mezclas: Cada tipo se calibra a través de cuatro niveles de severidad (L0–L3). Crucialmente, el punto de referencia incluye configuraciones de "artefactos mixtos" (por ejemplo, Desenfoque + Ruido, Metal + Ruido) para aproximar degradaciones compuestas clínicamente plausibles.
   • Metadatos: Cada muestra incluye metadatos estructurados (tipo de degradación, severidad, orden de mezcla) y prompts de lenguaje natural informados por radiólogos para facilitar la evaluación de Modelos de Lenguaje-Visión (VLM).

2. SeSpeCT (Estimación de Degradación Semántico-Espectral de TC):

   • Arquitectura: SeSpeCT es un marco de múltiples tareas diseñado para la clasificación conjunta de tipos de artefactos y la regresión de severidad. Opera sin ajuste fino específico de tareas de los modelos base subyacentes.
   • Rama de Calidad Semántica: Utilizando un Modelo de Lenguaje-Visión Médico congelado (BioMedCLIP), el método construye un "eje de calidad semántica" en el espacio de incrustaciones. Esto se deriva de la diferencia normalizada entre las incrustaciones de prompts de texto informados por radiología de alta y baja calidad. Las rebanadas de TC de entrada se proyectan sobre este eje para generar puntuaciones de calidad semántica globales y locales.
   • Rama Espectral: Reconociendo que ciertos artefactos (por ejemplo, aliasing, rayas) se manifiestan distintamente en el dominio de la frecuencia, una rama espectral extrae características del espectro de magnitud de Fourier utilizando una CNN ligera y calcula una relación de energía de alta frecuencia.
   • Fusión y Predicción: Los descriptores semánticos y espectrales se concatenan y proyectan mediante un MLP. El modelo se entrena con un objetivo de múltiples tareas que combina clasificación de entropía cruzada, regresión SmoothL1, pérdida de clasificación por pares (para preservar la estructura ordinal de severidad) y pérdida contrastiva supervisada.

Resultados Clave

• Evaluación de IQA y VLMs: Los autores evaluaron métricas IQA clásicas (PSNR, SSIM, VIF, LPIPS, DISTS) y VLMs congelados (OpenCLIP, MedCLIP, BioMedCLIP, Merlin) en CT-DegradBench. Los resultados indican que las métricas estándar no son igualmente sensibles a todas las degradaciones; por ejemplo, PSNR es sensible al ruido pero menos a los artefactos metálicos, mientras que las métricas estructurales capturan mejor el desenfoque. De manera similar, aunque algunos VLMs muestran correlación monótona con la severidad para ciertos artefactos (desenfoque, rayas), tienen dificultades con artefactos metálicos y degradaciones mixtas.
• Rendimiento de SeSpeCT: SeSpeCT superó consistentemente a las líneas base de VLMs congelados y a las métricas clásicas tanto en configuraciones de degradación individual como mixta.
  • Estimación de Severidad: SeSpeCT logró una correlación media de Spearman de 0.780 para degradaciones individuales y 0.710 para mezclas, superando significativamente a la mejor línea base (BioMedCLIP en 0.665). Se observaron mejoras notables para artefactos metálicos, donde la correlación mejoró de <0.12 a 0.435.
  • Clasificación: El modelo logró una alta precisión (0.783) y puntuaciones F1 (0.776) para la clasificación de degradación.
  • Ablación: Eliminar la rama semántica causó una caída catastrófica en el rendimiento (Precisión a 0.151), destacando la necesidad del prior semántico derivado de los prompts. Eliminar la rama espectral también degradó el rendimiento, confirmando la naturaleza complementaria de las señales del dominio de la frecuencia.

Significado y Afirmaciones
El artículo afirma proporcionar el primer punto de referencia unificado para analizar cómo diferentes degradaciones y niveles de severidad afectan la calidad de las imágenes de TC, abordando la falta de evaluación estandarizada para la detección de degradación y la estimación de severidad. Al introducir CT-DegradBench, los autores permiten la evaluación sistemática de la sensibilidad a la degradación y la fiabilidad de las métricas bajo condiciones controladas, incluyendo escenarios complejos de artefactos mixtos que a menudo se encuentran en la práctica clínica.

El marco propuesto SeSpeCT demuestra que combinar priores semánticos libres de entrenamiento de VLMs médicos con características del dominio de la frecuencia produce una representación robusta para el análisis de degradación de TC. Los autores afirman que este enfoque ofrece una representación más fiable y monótona de la severidad de la degradación que las métricas existentes o las características de VLMs congelados por sí solos, particularmente para artefactos localizados y compuestos. El trabajo tiene como objetivo apoyar protocolos de evaluación y evaluación de calidad más fiables para futuras tuberías de restauración y análisis de TC.