Resumen Técnico: PSCT-Net para la reconstrucción de TC pediátrica craneal

Planteamiento del problema

La Tomografía Computarizada (TC) es el estándar de oro para el diagnóstico de anomalías craneofaciales pediátricas, sin embargo, la radiación ionizante asociada plantea riesgos graves para las anatomías en desarrollo debido a la mayor radiosensibilidad y la larga esperanza de vida para posibles neoplasias malignas. Si bien la imagen de rayos X biplanar ofrece una alternativa de baja dosis, carece de la información de profundidad volumétrica necesaria para evaluar deformidades craneales complejas. La reconstrucción de volúmenes de TC 3D de alta fidelidad a partir de proyecciones de rayos X 2D dispersas es un problema inverso severamente mal planteado.

Los enfoques de aprendizaje profundo existentes dependen típicamente de la elevación de características agnóstica a la geometría, donde las características 2D se replican ingenuamente o se proyectan linealmente en el espacio 3D. Estos mecanismos implícitos no logran modelar la geometría de adquisición física, lo que conduce a desalineación espacial, ambigüedad de profundidad y la pérdida de estructuras óseas finas (por ejemplo, suturas y fontanelas) críticas para el diagnóstico pediátrico. Además, los modelos recientes basados en difusión, aunque mejoran el realismo textural, imponen costos computacionales prohibitivos debido al proceso iterativo de eliminación de ruido, lo que los hace impracticables para flujos de trabajo clínicos sensibles al tiempo. Adicionalmente, existe una brecha de dominio significativa: los referentes públicos se centran en la anatomía del tronco adulto (pulmón, columna, pelvis) y carecen de marcadores fisiológicos específicos de la pediatría, como las fontanelas no cerradas o el hueso cortical más delgado.

Metodología: PSCT-Net

Los autores proponen PSCT-Net, un marco de trabajo consciente de la geometría que integra priors geométricos explícitos con un modelado de contexto computacionalmente eficiente. La arquitectura se basa en una red Generativa Antagónica condicional (cGAN) de 2D a 3D estándar, pero introduce cuatro innovaciones clave para imponer consistencia espacial y un contexto global robusto:

1. Inicialización por Retroproyección Diferenciable

Para mitigar la ambigüedad de profundidad, la red inicializa un prior volumétrico grueso mediante una capa de retroproyección diferenciable. Esta capa traza las intensidades de rayos X a lo largo de las trayectorias físicas de los rayos definidas por la matriz de proyección (rotación y traslación), generando un volumen de atenuación geométricamente fiel ($V_{prior}$). Este paso inyecta explícitamente la geometría de adquisición en la red, proporcionando una inicialización espacialmente fiel que alivia la ambigüedad de profundidad desde el principio.

2. Condicionamiento Multivista Consciente de la Geometría

El marco emplea una estrategia de doble condicionamiento para imponer consistencia geométrica tanto en las etapas de codificación como de decodificación:

• Módulo BP-C (Codificador): Realiza la retroproyección de los mapas de características 2D al espacio 3D de acuerdo con la geometría de adquisición. Estos volúmenes específicos de cada vista se promedian para formar un prior global, que se concatena con las características principales del codificador para resolver la ambigüedad de profundidad tempranamente.
• Módulo MV3D-C (Decodificador): Alinea las características volumétricas de alto nivel de las ramas específicas de cada vista en un sistema de coordenadas común. Estas características alineadas se promedian y se concatenan con el decodificador principal para asegurar que la reconstrucción final sea semánticamente consistente con las proyecciones de entrada.

3. Proyección Guiada por Atención (AGP-3D)

Sustituyendo las proyecciones lineales fijas o la simple replicación de características, el módulo AGP-3D aprovecha un mecanismo de Atención de Múltiples Cabezales (MHA) para aprender correspondencias no lineales entre regiones de la imagen 2D y ubicaciones espaciales 3D. Al tratar las ubicaciones de la rejilla 3D como consultas (queries) y las características 2D como claves (keys), la red aprende dinámicamente dónde recuperar información de textura relevante, permitiendo una agregación de características discriminativa en lugar de una proyección ciega.

4. Mamba Bidireccional (BiM-3D)

Para capturar la geometría craneal holística de manera eficiente, el marco incorpora un módulo Mamba Bidireccional (BiM-3D). Este módulo utiliza un Modelo de Espacio de Estados Bidireccional (Bi-SSM) para modelar dependencias volumétricas de largo alcance con complejidad lineal ($O(N)$), evitando el costo cuadrático ($O(N^2)$) de los Transformers estándar y superando los campos receptivos limitados de las convoluciones.

Objetivo de Entrenamiento

La red se entrena utilizando una función de pérdida compuesta que comprende:

• Pérdida Adversaria ($L_{adv}$): Una GAN de Mínimos Cuadrados condicional con un Discriminador de Parches 3D.
• Pérdida de Reconstrucción ($L_{rec}$): Pérdida de reconstrucción voxel-wise $\ell_1$.
• Pérdida de Consistencia de Proyección ($L_{proj}$): Impone consistencia mediante proyecciones ortogonales 2D.

Contribuciones Clave

1. Marco Novedoso: PSCT-Net es el primer marco que integra retroproyección diferenciable con modelado de espacio de estados para la reconstrucción de rayos X a TC. Al codificar explícitamente la geometría de adquisición, resuelve la ambigüedad de profundidad que causa que los enfoques existentes alucinen estructuras incorrectas.
2. Dataset PedSkull-CT: Los autores curaron PedSkull-CT, una cohorte privada institucional de TC craneal pediátrica que comprende 982 escaneos (edades de 1 a de 24 meses) que cubren casos normales y patológicos con rayos X simulados emparejados. Esto aborda la falta de conjuntos de datos específicos para pediatría en los referentes públicos existentes.
3. Desempeño y Eficiencia: El método logra un rendimiento de vanguardia en tres referentes públicos y en la cohorte privada de PedSkull-CT. Crucialmente, supera a los métodos basados en difusión mientras mantiene la alta eficiencia de inferencia inherente a las arquitecturas de un solo paso, lo que lo hace apto para el despliegue clínico.

Resultados Experimentales

Los autores evaluaron PSCT-Net en tres referentes públicos (LIDC-IDRI, CTSpine1K, CTPelvic1K) y en la cohorte privada PedSkull-CT.

• Referentes Públicos: En LIDC-IDRI, PSCT-Net logró un PSNR de 27.18 dB, superando al método de difusión DiffuX2CT por 0.83 dB. En CTPelvic1K, alcanzó 33.06 dB, superando al segundo mejor método por 1.35 dB. Estos resultados demuestran una generalización robusta a través de diversas regiones anatómicas.
• PedSkull-CT: En la cohorte pediátrica privada, PSCT-Net superó a todos los modelos base, mejorando el PSNR en 1.28 dB y el SSIM en 0.022 sobre el segundo mejor método (X2CT-GAN).
• Estudios de Ablación: Los experimentos confirmaron que cada módulo contribuye al desempeño. Notablemente, el módulo BiM-3D por sí solo proporcionó la mayor ganancia (+1.04 dB), resaltando la importancia del modelado de contexto global. El modelo completo logró los mejores resultados, confirmando la complementariedad de los priors geométricos y el modelado de largo alcance.
• Generalización al Mundo Real: El modelo reconstruyó con éxito volúmenes a partir de rayos X clínicos reales no vistos durante el entrenamiento, preservando características específicas del paciente como la curvatura de la mandíbula y la profundidad de la cavidad orbital.

Significado y Limitaciones

El artículo postula que la reconstrucción consciente de la geometría ofrece un camino viable hacia la imagenología pediátrica de baja dosis. Al modelar explícitamente la geometría de adquisición, PSCT-Net evita la transformación de "caja negra" de la elevación de 2D a 3D, reduciendo así las alucinaciones anatómicas y preservando estructuras finas críticas.

Los autores reconocen las limitaciones: si bien el método recupera la geometría global y las estructuras óseas mayores con alta fidelidad, la resolución de detalles submilimétricos (como las suturas craneales finas) sigue siendo un desafío debido a la resolución de voxel fija. Se propone como trabajo futuro incorporar el refinamiento basado en parches y Representaciones Neuronales Implícitas o primitivas de Gauss 3D para recuperar detalles más finos, junto con la validación mediante estudios de lectura sobre el diagnóstico de craneosinostosis.