EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis

Resumen Técnico: EPC-3D-Diff

Enunciado del Problema
En la radioterapia moderna, la tomografía computarizada de haz cónico (CBCT) se adquiere rutinariamente para la posición del paciente, pero sufre una degradación significativa de la calidad de la imagen debido a la dispersión, el ruido, el endurecimiento del haz y los artefactos de reconstrucción. Estos problemas conducen a valores de Unidades Hounsfield (HU) inexactos y a un contraste reducido de los tejidos blandos, lo que hace que la CBCT no sea adecuada para el cálculo directo de dosis y los flujos de trabajo de radioterapia adaptativa. Si bien la generación de tomografías computarizadas sintéticas (sCT) a partir de CBCT es una solución crítica, los métodos existentes enfrentan limitaciones: las redes neuronales convolucionales (CNN) supervisadas a menudo suavizan en exceso los detalles; las Redes Generativas Antagónicas (GAN) pueden introducir detalles de alta frecuencia poco realistas y sufrir inestabilidad en el entrenamiento; y los modelos de difusión condicionales recientes, aunque estables, operan principalmente en el dominio de la imagen sin hacer cumplir explícitamente la consistencia de las mediciones con la física de adquisición subyacente. Además, estos modelos a menudo tienen dificultades para generalizar entre diferentes geometrías de escáner y desplazamientos de dominio.

Metodología
Los autores proponen EPC-3D-Diff (Difusión Latente 3D Condicional Equivariante y Consistente con la Física), un marco diseñado para sintetizar volúmenes de TC de alta fidelidad a partir de entradas de CBCT integrando la física de adquisición directamente en el proceso de difusión.

1. Difusión en Espacio Latente 3D: Para manejar datos volumétricos de manera eficiente, el método opera en un espacio latente compacto aprendido por un autoencoder (AE) 3D ligero. El AE reduce la resolución en el plano mientras preserva la profundidad axial. Una U-Net 3D condicional predice el ruido en este espacio latente, condicionado a la representación latente codificada de la CBCT ($z_c$), siguiendo una formulación de difusión que preserva la varianza.
2. Equivarianza en el Dominio de Proyección: La innovación central es una pérdida de equivarianza consistente con la física derivada del modelo directo de TC. El marco explota la propiedad física de que una rotación en el plano de un volumen corresponde a un desplazamiento angular en sus proyecciones.
   • Durante el entrenamiento, el volumen de TC sintetizado ($\hat{x}_0$) se rota ($R_\phi$) y se proyecta hacia adelante utilizando el operador de TC ($A_0$).
   • Esto se compara con las proyecciones de TC de verdad fundamental ($y_0$) que han sido desplazadas angularmente ($T_\phi$).
   • La pérdida ($L_{eq}$) minimiza la norma $L_2$ entre estos dominios de proyección: $\sum \|T_\phi(y_0) - A_0 R_\phi(\hat{x}_0)\|^2$.
   • Teóricamente, esto actúa como un prior informado por la física, penalizando soluciones que violan la simetría de adquisición y proyectando muestras intermedias de difusión sobre una sub-variedad equivariante.
3. Objetivo de Entrenamiento Compuesto: La pérdida total combina el objetivo estándar de difusión ($L_{DDPM}$) con la pérdida de equivarianza de proyección ($L_{eq}$) y pérdidas complementarias en el dominio de la imagen: $L_1$ para la precisión de los vóxeles, pérdida de gradiente ($L_{edge}$) para los bordes estructurales y pérdida de Laplaciano ($L_{lap}$) para detalles de alta frecuencia.
4. Inferencia: En el momento de la prueba, el modelo realiza inferencia libre de operadores utilizando actualizaciones deterministas DDIM. Solo requiere la entrada de CBCT, lo que lo hace computacionalmente eficiente para su despliegue clínico.

Contribuciones Clave

• Equivarianza Consistente con la Física: El artículo introduce una función de pérdida novedosa que hace cumplir la equivarianza rotacional en el dominio de proyección, vinculando directamente el modelo generativo a la física de la adquisición de TC (ley de Beer y operadores directos) en lugar de solo a las estadísticas de la imagen.
• Difusión Condicional Latente 3D: El marco combina la síntesis volumétrica 3D escalable mediante difusión latente con las restricciones de física mencionadas anteriormente, abordando los desafíos computacionales de la imagenología médica 3D.
• Robustez ante Desplazamientos de Dominio: Al integrar la física de adquisición como un sesgo inductivo, el modelo está diseñado para generalizar mejor entre diferentes geometrías de escáner y escenarios de entrenamiento de dominio mixto en comparación con los modelos de difusión estándar en el dominio de la imagen.

Resultados Experimentales
El método fue validado en dos conjuntos de datos de cabeza y cuello: el conjunto de datos de fantasma NWH (10 pacientes) y el conjunto de datos clínico JUST (14 pacientes). Las evaluaciones incluyeron regímenes de entrenamiento de dominio único y de dominio mixto (multi-escáner).

• Rendimiento Cuantitativo: EPC-3D-Diff superó significativamente a las líneas base más avanzadas (CycleGAN y un modelo de difusión condicional de línea base, C-DDPM).
  • Datos de Fantasma: Logró una mejora de +7.4 dB en PSNR sobre C-DDPM en entrenamiento de dominio mixto (38.44 dB frente a 31.00 dB) y un SSIM de 0.99.
  • Datos Clínicos: Logró una mejora de +1.8 dB en PSNR sobre C-DDPM.
  • El método también demostró una precisión superior de HU dentro de los límites de los tejidos y una menor variabilidad en comparación con las líneas base.
• Rendimiento Cualitativo: Las comparaciones visuales mostraron límites anatómicos más nítidos y menos distorsiones dependientes de HU, particularmente en regiones heterogéneas.
• Eficiencia: Si bien el entrenamiento incurre en una sobrecarga menor (menos del 15% del tiempo total) debido a las proyecciones directas periódicas, la inferencia es rápida (58 segundos por paciente) ya que no requiere operaciones de proyección.

Significado
El artículo afirma que EPC-3D-Diff mejora la robustez y la consistencia física de la síntesis de CBCT a TC, lo cual es esencial para los flujos de trabajo de radioterapia posteriores que requieren valores de HU precisos para el cálculo de dosis. Al incorporar la física de adquisición como un sesgo inductivo estructural, el enfoque aborda las limitaciones de los métodos puramente impulsados por datos, ofreciendo una solución que generaliza bien con datos de entrenamiento limitados y desplazamientos de dominio sin requerir correcciones complejas basadas en operadores durante la inferencia.