Human-Guided Shade Artifact Suppression in CBCT-to-MDCT Translation via Schrödinger Bridge with Conditional Diffusion

Each language version is independently generated for its own context, not a direct translation.

Imaginez que vous êtes un architecte qui doit rénover une vieille maison (l'image médicale) pour qu'elle ressemble à une maison moderne et parfaite.

1. Le Problème : La "Photo Floue" et les Taches d'Ombre

Les médecins utilisent deux types de scanners pour voir l'intérieur du corps :

Le CBCT (comme une photo rapide et peu coûteuse) : C'est utile, mais l'image est souvent "sale". Elle a des taches d'ombre (comme si quelqu'un avait posé un doigt devant l'objectif) et des défauts qui cachent les détails importants.
Le MDCT (comme une photo haute définition) : C'est l'image parfaite, claire et nette, mais elle est très chère et expose le patient à plus de radiation.

L'objectif des chercheurs était de transformer la "photo sale" (CBCT) en "photo parfaite" (MDCT) sans avoir à prendre la photo parfaite elle-même.

2. L'Ancienne Méthode : Le Peintre qui Copie Trop

Jusqu'à présent, les ordinateurs utilisaient des "peintres" intelligents (appelés GAN) pour essayer de nettoyer l'image.

Le problème : Ces peintres avaient tendance à copier trop fidèlement les défauts ou, au contraire, à inventer des détails qui n'existaient pas. C'est comme un élève qui copie un tableau mais qui ajoute des taches de peinture par erreur ou efface des fenêtres importantes.
Le résultat : L'image était souvent belle, mais pas assez précise pour la chirurgie, ou elle gardait les taches d'ombre.

3. La Nouvelle Solution : Le "Pont Magique" Guidé par un Humain

Les chercheurs ont créé une nouvelle méthode basée sur trois idées simples, comme un trio d'experts travaillant ensemble :

A. Le Pont de Schrödinger (Le Chemin le plus court)

Au lieu de demander à l'ordinateur de "deviner" l'image parfaite à partir de rien (ce qui est difficile), ils ont construit un pont direct entre l'image sale et une image "presque parfaite" générée par un ancien modèle.

L'analogie : Imaginez que vous devez traverser une rivière. Au lieu de nager au hasard, vous posez des pierres précises pour créer un chemin direct. Ce "pont" assure que l'image finale reste fidèle à l'anatomie du patient (les os, les dents) sans inventer de fausses structures.

B. Le "Coup de Pouce" Humain (Le Feedback)

C'est la partie la plus innovante. Souvent, les ordinateurs ne savent pas ce qui est "cliniquement bon".

L'analogie : Imaginez un chef cuisinier (l'ordinateur) qui prépare un plat. Il a besoin d'un critique gastronomique (le médecin humain) pour lui dire : "Non, trop de sel" ou "Parfait".
Dans ce système, les médecins ne doivent pas écrire de longs rapports. Ils donnent juste un clic binaire : "C'est bien" (0) ou "C'est mauvais" (1).
L'ordinateur apprend de ces clics, comme un chien qui apprend à faire des tours avec des friandises, mais sans avoir besoin d'un système de récompense complexe. Il ajuste son "pont" pour éviter les zones que le médecin a jugées "mauvaises".

C. La Direction Sans Frein (CFG)

Pour que l'ordinateur écoute vraiment le médecin, ils utilisent une technique appelée "Guidage sans classifieur".

L'analogie : C'est comme si le médecin tenait une corde attachée au bateau de l'ordinateur. Si le bateau s'éloigne vers une image avec des taches d'ombre, le médecin tire sur la corde pour le ramener vers l'image propre. Plus le médecin tire fort, plus l'image devient propre, mais sans casser la structure du bateau.

4. Les Résultats : Rapide, Précis et Contrôlable

Grâce à cette méthode, les chercheurs ont obtenu des résultats impressionnants :

Nettoyage parfait : Les taches d'ombre disparaissent, surtout dans les zones difficiles comme l'arrière du crâne.
Précision chirurgicale : Les détails fins (comme les os de la mâchoire) sont préservés. L'ordinateur n'invente pas de dents qui n'existent pas.
Vitesse fulgurante : Contrairement aux anciennes méthodes qui prenaient des heures, celle-ci ne fait que 10 pas (comme 10 secondes de calcul) pour obtenir un résultat parfait. C'est comme passer d'un trajet en voiture de 2 heures à un trajet en TGV de 5 minutes.
Contrôle total : De manière surprenante, le modèle peut aussi faire l'inverse ! Si on lui demande de créer des taches d'ombre (pour tester la robustesse d'un système), il sait le faire. Cela prouve qu'il a bien compris la logique de l'image, et qu'il ne fait pas que mémoriser.

En Résumé

Cette recherche est comme avoir donné à un robot un pinceau intelligent, un pont sécurisé pour ne pas se perdre, et un médecin humain qui peut simplement dire "Non" ou "Oui" pour guider le robot vers une image médicale parfaite, rapide et sûre pour les patients. C'est une avancée majeure pour rendre les diagnostics plus clairs et plus rapides.

Each language version is independently generated for its own context, not a direct translation.

1. Problématique

La traduction d'images médicales, en particulier la conversion de la Tomographie Computérisée à Faisceau Conique (CBCT) vers la Tomographie Computérisée Multi-Détecteurs (MDCT), est cruciale pour le diagnostic et la planification chirurgicale. Cependant, les modèles existants, notamment les Réseaux Antagonistes Génératifs (GAN), souffrent de plusieurs limitations majeures :

Le trilemme qualité-échantillonnage-diversité : Améliorer un aspect compromet souvent les autres.
Artefacts d'ombre (Shade Artifacts) : Les GANs, en particulier ceux entraînés de manière non appariée, génèrent souvent des artefacts d'illumination (ombres) et des incohérences structurelles dues à l'effondrement de modes (mode collapse).
Limites des méthodes de feedback : L'intégration du feedback humain dans les modèles génératifs repose souvent sur l'apprentissage par renforcement avec feedback humain (RLHF), nécessitant un modèle de récompense séparé. Cela ajoute une complexité architecturale, un coût computationnel élevé et des risques de biais, rendant le déploiement clinique difficile.
Manque de contrôle : Les modèles de diffusion actuels manquent souvent de mécanismes simples pour affiner les sorties selon les préférences cliniques sans réentraînement complet.

2. Méthodologie

Les auteurs proposent un cadre novateur combinant le Pont de Schrödinger (SB), les modèles de diffusion et le feedback humain binaire, sans utiliser de modèle de récompense explicite.

A. Formulation du Pont de Schrödinger (SB)

Contrairement aux modèles de diffusion classiques (DDPM) qui partent d'un bruit gaussien isotrope, cette approche utilise une formulation de SB pour établir un chemin probabiliste optimal entre deux distributions empiriques :

Source ( $z_0$ ) : L'image CBCT d'entrée.
Cible ( $z_1$ ) : Une image "pseudo-cible" générée par un générateur GAN pré-entraîné (CycleGAN).
Le modèle définit un processus stochastique bidirectionnel reliant $z_0$ et $z_1$ , garantissant la cohérence des frontières et améliorant l'interprétabilité et la stabilité de la traduction.

B. Diffusion Conditionnelle avec Feedback Binaire (CFG)

Inspiration tirée de l'optimisation directe des préférences (DPO) utilisée en NLP, les auteurs intègrent le feedback humain directement dans le processus de diffusion :

Signal de feedback ( $r$ ) : Un signal binaire $r \in \{0, 1\}$ est utilisé, où $0$ représente une image "bonne" (sans artefacts) et $1$ une image "mauvaise" (avec artefacts).
Guidage sans classifieur (Classifier-Free Guidance - CFG) : Le réseau de score $s_\theta$ est conditionné par l'image source $z_0$ , le temps $t$ , et le feedback $r$ .
Architecture : Un réseau UNet reçoit les embeddings du temps et du feedback. L'embedding de récompense est appliqué de manière multiplicative uniquement dans les couches du décodeur pour moduler les préférences sémantiques de haut niveau (suppression d'artefacts), tandis que l'embedding temporel préserve la dynamique de diffusion.

C. Apprentissage Incrémental par Sélection de Tournoi

Pour affiner le modèle sans modèle de récompense :

À partir d'une image "mauvaise", le modèle génère plusieurs reconstructions en variant l'échelle de guidage CFG ( $w$ ).
Des experts médicaux comparent ces candidats via un processus de tournoi (1 contre 1) pour sélectionner l'image la plus cliniquement plausible.
Les gagnants forment un ensemble de données préférentiel ( $Z_{pref}$ ) utilisé pour un fine-tuning incrémental du modèle.

3. Contributions Clés

Cadre SB-Humain : Première intégration du feedback humain binaire dans un cadre de Pont de Schrödinger pour la traduction d'images médicales, éliminant le besoin d'un modèle de récompense complexe.
Suppression Ciblée des Artefacts : La méthode supprime sélectivement les artefacts d'ombre dans les régions anatomiques critiques (ex: région postérieure, tissus mous) tout en préservant la fidélité structurelle fine.
Efficacité d'Échantillonnage : Grâce à la nature du pont entre deux distributions réelles (et non le bruit), le modèle nécessite très peu d'étapes d'échantillonnage (10 étapes) pour produire des résultats de haute qualité, contrairement aux centaines de pas requis par les DDPM classiques.
Contrôlabilité Sémantique : Le modèle démontre une capacité à répondre à des demandes "négatives" (générer des artefacts sur des images propres), prouvant qu'il a appris un espace latent sémantique interprétable et contrôlable.

4. Résultats Expérimentaux

Les expériences ont été menées sur un ensemble de données cliniques (20 volumes CBCT, 28 volumes MDCT) avec validation par des radiologues experts.

Réduction des Artefacts :
- Le modèle proposé (GSB) atteint un taux de réduction d'artefacts (ARR) de 96,98 % et un taux de succès de réduction (ARSR) de 96,23 % sur les données de test.
- Ces performances surpassent les méthodes de référence (Park2025 et Park2022) qui utilisent des GANs affinés ou des modèles de récompense.
Fidélité Structurelle :
- Sur les images "bonnes", le modèle obtient les meilleurs scores de similarité structurelle : SSIM = 0,9971, RMSE = 0,0030, et LPIPS = 0,0015.
- Le coefficient de Dice (DC) pour la segmentation osseuse est supérieur à 83 %.
Efficacité :
- L'utilisation de seulement 10 étapes d'évaluation de fonction (NFE) maintient une qualité clinique acceptable, validant l'efficacité du pont de Schrödinger pour l'application en temps réel.
Études d'ablation :
- La suppression de la condition $z_0$ (l'image CBCT d'entrée) entraîne une dégradation significative de la fidélité anatomique, confirmant son rôle d'ancrage spatial essentiel.

5. Signification et Impact

Cette recherche propose une solution pragmatique et évolutive pour l'amélioration d'images médicales en milieu clinique :

Déploiement Clinique : En supprimant la nécessité d'un modèle de récompense et en réduisant le temps d'inférence à 10 étapes, le cadre est beaucoup plus adapté à l'intégration dans les flux de travail hospitaliers.
Alignement Humain : La capacité à apprendre directement des préférences binaires des experts (via le tournoi) permet d'aligner le modèle sur des critères cliniques subjectifs mais critiques, sans surcharge de données annotées.
Interprétabilité : La nature du pont de Schrödinger et la capacité à moduler les artefacts via un signal binaire offrent une transparence accrue, un facteur clé pour l'adoption de l'IA en médecine.

En résumé, ce travail établit un nouveau standard pour la traduction CBCT-to-MDCT, combinant la diversité des modèles de diffusion, la stabilité du Pont de Schrödinger et l'alignement direct avec les préférences humaines pour une génération d'images médicales à la fois précise, rapide et contrôlable.