Resumen Técnico: Reconstrucción de RM impulsada por la Física con Priores de Imagen No Locales de Cero Disparos (Zero-Shot)

Declaración del Problema

El Aprendizaje Auto-Supervisado de Cero Disparos (ZS-SSL, por sus siglas en inglés) ha emergido como un paradigma viable para la reconstrucción acelerada de Imágenes por Resonancia Magnética (RM), con el objetivo de eliminar la dependencia de conjuntos de datos externos totalmente muestreados. Sin embargo, los métodos actuales de ZS-SSL enfrentan dos desafíos primarios cuando aprenden únicamente de una sola exploración submuestreada:

1. Escasez de Supervisión: Aprender de un solo sujeto limita las señales de entrenamiento disponibles, lo que a menudo conduce al sobreajuste o a la aparición de artefactos.
2. Inestabilidad de la Optimización: Entrenar en una sola exploración conlleva un riesgo inherente de converger en soluciones subóptimas debido al ruido o a artefactos específicos, exacerbado por la falta de una regularización robusta impulsada por la física.

Además, los marcos de trabajo convencionales de ZS-SSL suelen pasar por alto los ricos priores de autosimilitud no local disponibles en el dominio de la imagen, centrándose primordialmente en la autosupervisión en el espacio-k.

Metodología

Los autores proponen un marco de trabajo de ZS-SSL robusto que sinergiza restricciones de consistencia física con priores no locales en el dominio de la imagen. La arquitectura integra tres módulos centrales para estabilizar el entrenamiento y aumentar la supervisión:

1. Repositorio Dinámico Guiado por CSM

Para mitigar las fluctuaciones estocásticas y filtrar artefactos físicamente inconsistentes, el método emplea un repositorio dinámico que archiva componentes de alta fidelidad en el espacio-k.

• Mecanismo: Para cada época de entrenamiento, el repositorio se actualiza elemento a elemento basándose en una puntuación de consistencia guiada por el Mapa de Sensibilidad de Bobinas (CSM).
• Cálculo de la Puntuación: La puntuación $s(y)$ mide la desviación del modelo SENSE ($s(y) = \|y - FSSHF^H(y)\|^2$). Se retienen los componentes con menor desviación (mayor consistencia física).
• Función: Este módulo estabiliza la trayectoria de entrenamiento al proporcionar puntos de espacio-k de alta confianza que se adhieren a las restricciones de sensibilidad de las bobinas.

2. Regularización Basada en SPIRiT

Este módulo impone la auto-consistencia en el espacio-k aprovechando las correlaciones entre bobinas inherentes a la RM multi-bobina.

• Calibración del Kernel: Un kernel SPIRiT $G$ se calibra exclusivamente en la región de la Señal de Auto-Calibración (ACS) mediante descenso de gradiente, sujeto a una restricción de centro cero.
• Ensamble Estocástico: Durante la inferencia, el espacio-k calibrado por SPIRiT se combina con los datos del repositorio utilizando una estrategia de enmascaramiento estocástico (máscara de Bernoulli $M_r$).
• Función: Esto impone restricciones físicas estrictas al tiempo que evita que la red se sobreajuste a artefactos específicos del kernel, alternando aleatoriamente entre la estabilidad del repositorio y la consistencia de SPIRiT.

3. Banco de Píxeles de Autosimilitud No Local (NSS)

Para abordar la escasez de supervisión, el marco de trabajo explora explícitamente similitudes anatómicas no locales dentro del dominio de la imagen.

• Minería de Parches: Para cada píxel en la imagen estimada, el sistema extrae un parche y calcula la similitud de coseno con parches vecinos dentro de una ventana de búsqueda.
• Construcción del Banco de Píxeles: El sistema almacena los píxeles centrales de los $N$ parches más similares, creando un banco de píxeles de referencia de alta fidelidad.
• Enmascaramiento Exclusivo: Para evitar la fuga de información, se utiliza una estrategia de "Máscara Exclusiva" estricta. Los datos de referencia derivados del Banco de Píxeles se mapean a particiones de entrenamiento disjuntas de la máscara de adquisición (excluyendo la región ACS).
• Función: Esto sintetiza efectivamente muestras de entrenamiento aumentadas a partir del propio sujeto, actuando como etiquetas pseudo para aumentar las escasas señales de supervisión.

Función de Pérdida

La función de objetivo total combina la pérdida de consistencia de datos ($L_{dc}$) con un término de regularización ($L_{reg}$) derivado del Banco de Píxeles NSS:
$$L_{total} = L_{dc} + \lambda_{reg} \frac{1}{K} \sum_{k=1}^{K} L(\bar{y}_k, (1 - \bar{M}_k) \odot f(\bar{y}_k \odot \bar{M}_k, \bar{M}_k; \theta))$$
donde $\lambda_{reg}$ equilibra la fidelidad de los datos y el prior no local.

Contribuciones Clave

1. Repositorio Dinámico Guiado por CSM: Un mecanismo para obtener puntos de alta confianza en el espacio-k basados en la consistencia de la sensibilidad de las bobinas, asegurando una fidelidad de datos robusta y proporcionando objetivos estables para la fusión de ensambles.
2. Regularización Basada en SPIRiT: Una operación que impone la auto-consistencia en el espacio-k mediante un kernel aprendido y un enmascaramiento estocástico, imponiendo restricciones físicas mientras evita el sobreajuste a artefactos de kernels específicos.
3. Banco de Píxeles NSS: Un módulo novedoso que alivia la escasez de supervisión mediante la minería explícita de estructuras repetitivas similares en el dominio de la imagen, construyendo priores de alta fidelidad para aumentar el entrenamiento sin necesidad de datos externos.

Resultados Experimentales

El método fue evaluado en el conjunto de datos FastMRI (subconjuntos de Cerebro T1, Cerebro T2 y Rodilla) utilizando máscaras de densidad uniforme y variable con factores de aceleración de 4$\times$ y 8$\times$.

• Desempeño Cuantitativo: El método propuesto alcanzó un desempeño de vanguardia (state-of-the-art) en todos los conjuntos de datos y factores de aceleración. Por ejemplo, en el conjunto de datos FastMRI Brain T1 con una máscara uniforme de 4$\times$, el método logró un PSNR de 37.04 dB y un SSIM de 0.9265, superando a baselines como SSDU (35.51 dB) y ZS-SSL (36.03 dB).
• Calidad Visual: Las comparaciones visuales demostraron una supresión de artefactos y eliminación de ruido superiores en comparación con los baselines. Mientras que métodos como L1-ESPIRiT produjeron resultados excesivamente suavizados y otros (SSDU, ZS-SSL) sufrieron de artefactos significativos, el método propuesto preservó los detalles de alta frecuencia y los bordes estructurales.
• Estudios de Ablación:
  • Todos los componentes contribuyeron positivamente al desempeño. El Banco de Píxeles NSS proporcionó el impulso individual más significativo (+0.89 dB sobre el baseline).
  • La Máscara Exclusiva fue crítica; eliminarla causó una caída en el desempeño debido a la fuga de información.
  • La relación de muestreo de Bernoulli ($r$) para la fusión de SPIRiT alcanzó su punto máximo en 0.5, indicando que una fusión equilibrada entre la estabilidad del repositorio y la consistencia de SPIRiT es óptima.

Significancia

El artículo afirma que, al sinergizar la consistencia impulsada por la física (vía CSM y SPIRiT) con los priores no locales del dominio de la imagen, el marco propuesto cierra eficazmente la brecha de rendimiento entre el aprendizaje de cero disparos y los métodos totalmente supervisados. El enfoque aborda las limitaciones fundamentales del aprendizaje de una sola exploración —específicamente la escasez de supervisión y la inestabilidad de la optimización— sin requerir conjuntos de datos de verdad absoluta (ground truth) externos. Los resultados sugieren que aprovechar las restricciones físicas inherentes y la autosimilitud anatómica puede producir reconstrucciones de RM robustas y de alta fidelidad, incluso bajo factores de aceleración extremos.