Lesion-DDPM: Lesion-Enhanced 3D Diffusion for MS MRI Synthesis

Resumen Técnico: Lesion-DDPM

Planteamiento del Problema
El diagnóstico y la monitorización de la Esclerosis Múltiple (EM) dependen en gran medida de las secuencias de RM FLAIR 3D debido a su alta sensibilidad a las lesiones supratentoriales. Sin embargo, el desarrollo de modelos de aprendizaje automático de neuroimagen robustos se ve obstaculizado por la escasez y la heterogeneidad de los conjuntos de datos de EM disponibles públicamente, que varían significamente entre escáneres y protocolos de adquisición. Esta escasez es particularmente desafiante para los modelos generativos encargados de sintetizar volúmenes 3D. Las lesiones de la EM son característicamente pequeñas, dispersas y morfológicamente irregulares, ocupando una fracción mínima del volumen cerebral. Este severo desequilibrio entre la lesión y el fondo provoca que los modelos generativos existentes (como las GAN o los modelos de difusión estándar) suavicen excesivamente las lesiones sutiles, introduzcan artefactos o no logren preservar la visibilidad de la lesión manteniendo la estructura cerebral global. Los enfoques actuales suelen tener dificultades para equilibrar el realismo anatómico de todo el cerebro con la preservación explícita de estas regiones patológicas diminutas.

Metodología
Los autores proponen Lesion-DDPM, un marco de difusión condicional 3D diseñado específicamente para la síntesis de FLAIR consciente de las lesiones. El modelo se formula como un proceso de difusión gaussiana condicional donde el objetivo es un volumen FLAIR preprocesado y sin cráneo, y la condición es una máscara anatómica que codifica las regiones cerebrales y de lesiones.

La arquitectura y la estrategia de entrenamiento incorporan dos innovaciones técnicas primarias:

1. Inyección de Condición con Compuerta Multinivel (Multi-Level Gated Condition Injection): A diferencia de los modelos de difusión condicional estándar que pueden solo concatenar máscaras en la entrada, Lesion-DDPM inyecta información de la máscara anatómica en múltiples etapas: el codificador, el cuello de botella (bottleneck) y el decodificador. En cada etapa, la máscara se redimensiona para coincidir con la resolución de las características, se codifica en un mapa de características y se fusiona con el flujo principal mediante concatenación por canales y una convolución 3D puntual. Crucialmente, esta fusión está modulada por una compuerta sigmoide aprendible, lo que permite a la red controlar la fuerza de la inyección de información de la lesión en diferentes profundidades. Este diseño asegura que las pistas de la lesión informen tanto las representaciones globales de alto nivel como los detalles locales de bajo nivel sin un condicionamiento excesivo.
2. Pérdida de Reconstrucción Ponderada por Lesiones (Lesion-Weighted Reconstruction Loss): Para abordar el severo desequilibrio de clases entre los vóxeles de la lesión y el fondo, los autores reemplazan el objetivo estándar de predicción de ruido por una pérdida L1 ponderada por la lesión. Este objetivo asigna un peso sustancialmente mayor a los errores que ocurren dentro de los vóxeles de la lesión en comparación con los vóxeles de tejido y fondo. Esto obliga al modelo a priorizar las actualizaciones de gradiente para las regiones de la lesión, evitando que el proceso de eliminación de ruido iterativo suavice las lesiones pequeñas y dispersas.

Contribuciones Clave

• Marco Consciente de la Lesión: El artículo introduce un modelo de difusión condicional 3D que prioriza explícitamente la fidelidad de las lesiones de EM pequeñas y dispersas, manteniendo la consistencia anatómica global.
• Novedad Arquitectónica: La implementación de la inyección de condición con compuerta multinivel permite reforzar el contexto de la lesión a través de múltiples escalas de características, mejorando la estabilidad del condicionamiento.
• Estrategia de Optimización: La integración de una pérdida de reconstrucción L1 ponderada por la lesión aborda específicamente la preservación de los vóxeles de la lesión, mitigando el problema común del suavizado excesivo de las lesiones en los modelos generativos.

Resultados
El modelo fue evaluado utilizando un subconjunto curado del conjunto de datos MSLesSeg (80 pares de entrenamiento, 20 pares de prueba) y se comparó con líneas base representativas del estado del arte: 3D Pix2Pix, 3D DiscoGAN (basado en GAN) y Med-DDPM (basado en difusión).

• Fidelidad Visual y Cuantitativa: En evaluaciones de expertos, las imágenes sintéticas generadas por Lesion-DDPM fueron frecuentemente indistinguibles de las imágenes reales por parte de neurólogos. Cuantitativamente, Lesion-DDPM logró el Error Cuadrático Medio más bajo (MSE: 0.059) y el Error Absoluto Medio más bajo (MAE: 0.202) y la mayor Similitud Estructural Multiescala (MS-SSIM: 0.806) entre todos los métodos. Notablemente, en las regiones específicas de la lesión, alcanzó el error de reconstrucción más bajo (MSE: 0.048), superando significativamente a las líneas base.
• Rendimiento de Segmentación Downstream: Una U-Net 3D entrenada exclusivamente con datos sintéticos generados por Lesion-DDPM logró un coeficiente Dice de 0.616 en datos de prueba de RM reales, superando al mejor conjunto de datos sintéticos competidor (Med-DDPM con 0.569).
• Entrenamiento Híbrido: Cuando se añadieron imágenes sintéticas de Lesion-DDPM a un conjunto de entrenamiento real (entrenamiento híbrido), el coeficiente Dice de segmentación downstream aumentó a 0.685, superando el rendimiento de los modelos entrenados solo con datos reales (0.670) y otras configuraciones híbridas.

Significado y Reivindicaciones
El artículo afirma que Lesion-DDPM aborda con éxito el desafío de generar volúmenes 3D FLA_IR de alta fidelidad que preserven las lesiones de EM sutiles, una tarea en la que los modelos generativos previos han tenido dificultades debido al desequilibrio entre la lesión y el fondo. Los autores sostienen que su método produce imágenes visualmente convincentes y diagnosticamente plausibles, como lo demuestra la evaluación de expertos. Además, los resultados demuestran que los datos generados por Lesion-DDPM no solo son visualmente realistas, sino también funcionalmente efectivos para entrenar modelos de segmentación downstream, ofreciendo una solución viable para la aumentación de datos en escenarios de datos limitados. El estudio concluye que la combinación de la inyección con compuerta multinivel y la pérdida ponderada por la lesión es crítica para lograr este equilibrio entre la estructura global y la fidelidad de la lesión local. El trabajo futuro sugerido por los autores incluye la exploración de la síntesis multimodal y la simulación controlada de la progresión de la lesión.