Deep Slice Interpolation for Reducing Through-Plane Anisotropy and Noise in Head CT

Resumen Técnico: Interpolación de Corte Profundo para la Reducción de la Anisotropía y el Ruido en la TC de Cráneo

Planteamiento del Problema
Los volúmenes de tomografía computarizada (TC) de cráneo se reconstruyen típicamente con una resolución intraplano submilimétrica, pero con un espaciamiento significativo a través del plano (2–5 mm). Esta anisotropía degrada las reconstrucciones multiplanares, introduce artefactos de "escalonamiento" en las vistas coronal y sagital, y obstaculiza las mediciones volumétricas y los algoritmos posteriores que asumen vóxeles casi isotrópicos. Si bien existen métodos de interpolación clásicos (p. ej., spline cúbico), estos no pueden recuperar el detalle anatómico ausente de los cortes adquiridos. Además, los enfoques de aprendizaje profundo existentes para la superresolución médica carecen de comparaciones sistemáticas de las funciones de pérdida dentro de una arquitectura fija, y la relación entre la interpolación y la reducción implícita de ruido permanece insuficientemente explorada en este contexto específico.

Metodología
Los autores proponen un sistema de aprendizaje profundo para sintetizar un corte axial intermedio ($I_{k+1}$) a partir de dos cortes adyacentes ($I_k, I_{k+2}$), reduciendo efectivamente el espaciamiento a través del plano a la mitad.

• Arquitectura: El sistema utiliza una arquitectura U-Net con un codificador EfficientNetV2-S. El codificador se inicializa con pesos preentrenados en ImageNet (adaptados para una entrada de 2 canales), mientras que el decodificador se inicializa desde cero. El modelo procesa parches de 256 × 256, que se reensamblan en cortes de 512 × 512 durante la inferencia utilizando una estrategia de teselado de 13 parches (9 recortes centrales superpuestos + 4 parches de las esquinas).
• Conjunto de Datos: El modelo se entrena con el conjunto de datos RSNA 2019 de detección de hemorragia intracraneal, restringido a TC de cráneo sin contraste. Los datos se ventilan en [−20 HU, 107 HU] (centro 44 HU, ancho 128 HU) y se normalizan al rango [0, 1]. El conjunto de datos se divide por paciente en conjuntos de entrenamiento, validación y prueba. El conjunto de prueba (30 pacientes) está estratificado para asegurar la representación de los cinco subtipos de hemorragia.
• Evaluación de la Función de Pérdida: Se llevó a cabo una evaluación sistemática de once configuraciones de pérdida bajo un protocolo de entrenamiento fijo. El estudio compara:
  • Pérdidas por píxel: Error Cuadrático Medio (MSE) y Error Absoluto Medio (L1).
  • Pérdidas estructurales: Índice de Similitud Estructural (SSIM) y SSIM Multiescala (MS-SSIM).
  • Pérdidas híbridas: Combinaciones de términos estructurales y de píxel (p. ej., MS-SSIM + L1).
• Condicionamiento Numérico: Los autores identificaron y abordaron la inestabilidad del entrenamiento en las pérdidas de la familia SSIM. Encontraron que las constantes de estabilidad por defecto ($K_2 = 0.03$) provocan errores de división por cero en regiones del cerebro con baja varianza, causando gradientes NaN. Implementaron dos remedios para el entrenamiento: aumentar $K_2$ a 0.4 y forzar la precisión completa de float32 para los pasos de propagación hacia adelante (forward passes) de SSIM.
• Protocolo Estadístico: La evaluación se realiza a nivel de paciente (30 pacientes independientes) utilizando intervalos de confianza de bootstrap no paramétricos y pruebas de Wilcoxon de rangos con signo emparejados para comparar contra líneas de base clásicas y modelos de interpolación de fotogramas de video (VFI) preentrenados (RIFE, FILM).

Contribuciones Clave

1. Benchmarking de Rendimiento: El sistema de aprendizaje profundo propuesto supera a la interpolación clásica (spline cúbico, media) y a los modelos VFI preentrenados (RIFE, FILM) en todas las métricas estructurales (SSIM, MS-SSIM) en un dominio controlado de TC de cráneo.
2. Análisis de Funciones de Pérdida: El artículo proporciona una evaluación sistemática de las funciones de pérdida, identificando MS-SSIM + L1 (con una ponderación de 0.5/0.5) como un valor predeterminado robusto y equilibrado. Destaca que ninguna pérdida única domina en todas las métricas; L1 minimiza el error de píxel (MAE), mientras que MS-SSIM + L1 produce el PSNR más alto.
3. Perspectivas de Estabilidad de Entrenamiento: El estudio documenta la divergencia sistemática del entrenamiento en las pérdidas de la familia SSIM, atribuyéndola a problemas de condicionamiento numérico en el denominador de SSIM. Proporciona remedios accionables (ajuste de $K_2$ y manejo de precisión) y observa que la inestabilidad residual persiste con tamaños de lote (batch sizes) más pequeños.
4. Denoising Implícito: Los autores demuestran que la síntesis basada en regresión produce inherentemente salidas con menor ruido. Al aprovechar la propiedad de la esperanza condicional de las pérdidas de regresión (donde el minimizador de MSE es la media condicional), el modelo aprende la señal anatómica subyacente en lugar del ruido de adquisición, incluso cuando se entrena con objetivos ruidosos.

Resultos

• Métricas Estructurales: En el conjunto de prueba (held-out), los modelos aprendidos superan significativamente a las líneas de base. El modelo de referencia (MS-SSIM + L1) logra un SSIM a nivel de paciente de 0.888 y un MS-SSIM de 0.936, comparado con ~0.78 para los métodos clásicos y ~0.85 para los modelos VFI.
• Denoising Implícito: El análisis cuantitativo de regiones de interés (ROI) de sustancia blanca uniforme muestra que los modelos de regresión por píxel (L1, MSE, MS-SSIM + L1) reducen la varianza en la ROI aproximadamente un 26% en comparación con los cortes de referencia adquiridos. Esto confirma la predicción teórica de que el modelo suprime el ruido impredecible.
• Impacto en la Patología: La calidad de la interpolación es ligeramente inferior en los cortes que contienen hemorragia en comparación con los cortes normales en todos los métodos, una brecha que es estadísticamente significativa para las métricas de SSIM.
• Validación Externa: Un estudio de caso fuera de la distribución (out-of-distribution) con una serie de TC de cráneo con espaciamiento de cortes mixto demostró que los residuos del modelo siguen las predicciones teóricas de un estimador de esperanza condicional, atenuando específicamente los artefactos de paridad de los datos sin haber sido entrenado explícitamente en tales patrones.

Significancia y Reivindicaciones
El artículo sostiene que la interpolación de cortes basada en aprendizaje profundo ofrece un beneficio dual: mejorar la visualización 3D mediante la reducción de la anisotropía y, simultáneamente, proporcionar un denoising implícito. Esto se logra en una única pasada de inferencia sin requerir objetivos de entrenamiento limpios.

Los autores enfatizan que sus hallazgos son específicos para TC de cráneo sin contraste dentro de una ventana de Unidades Hounsfield definida. Declaran explícitamente que el trabajo no pretende generalizarse a otras regiones anatómicas, modalidades o protocolos de adquisición. La significancia radica en proporcionar un método de interpolación denoisado y fiable que supera las líneas de base de interpolación clásica y de transferencia de aprendizaje, ofreciendo además orientación práctica sobre la estabilidad numérica de las pérdidas de similitud estructural en la imagen médica. El artículo concluye que, si bien la calidad de la interpolación es alta, la validación clínica mediante estudios de lectores radiólogos es el siguiente paso necesario antes de su implementación.