3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising

Cet article présente le WCC-Net, un cadre de diffusion 3D innovant qui intègre des priors structuraux dans le domaine fréquentiel via des ondelettes pour améliorer le débruitage des images TEP corporelles à faible dose tout en préservant la cohérence anatomique.

L'essentiel

🌟 Le Problème : La Photo Floue et la Radio Dangereuse

Imaginez que vous devez prendre une photo de l'intérieur du corps d'un patient pour détecter une maladie (comme un cancer). C'est ce qu'on appelle la tomographie par émission de positons (TEP).

Pour avoir une photo très nette, il faut injecter un produit radioactif dans le corps. Mais plus on en met, plus le patient reçoit de radiations, ce qui est dangereux.

• Le dilemme : Si on met peu de produit (faible dose), le patient est en sécurité, mais la photo est très bruitée, comme une photo prise dans le noir avec un vieux téléphone : on voit des grains, des taches, et les contours des organes sont flous.
• Le but : On veut une photo aussi nette qu'avec une forte dose, mais sans avoir besoin d'injecter autant de produit radioactif.

🧠 La Solution Ancienne : Le "Nettoyage" par IA

Jusqu'à présent, les ordinateurs utilisaient des "intelligences artificielles" (des réseaux de neurones) pour essayer de nettoyer ces photos bruitées.

• L'approche classique (CNN) : C'est comme un enfant qui essaie de nettoyer une vitre sale en frottant avec un chiffon. Ça enlève la poussière, mais parfois, il efface aussi les dessins sur la vitre ou rend tout un peu trop lisse.
• L'approche récente (Modèles de Diffusion) : C'est plus intelligent. Imaginez un artiste qui part d'un tableau totalement blanc (du bruit) et qui "peint" progressivement l'image en ajoutant des détails. C'est très puissant, mais l'artiste a parfois du mal à savoir exactement où placer les murs et les fenêtres s'il regarde seulement la photo sale de départ. Il risque de dessiner une porte là où il n'y en a pas, ou d'effacer un petit détail crucial.

🚀 La Nouvelle Idée : Le "Guide de Fréquence" (WCC-Net)

Les chercheurs ont inventé une nouvelle méthode appelée WCC-Net. Voici comment ça marche, avec une analogie musicale :

1. Séparer la Musique du Bruit (La Transformée en Ondelettes)

Imaginez que votre image TEP bruitée est une chanson où la voix (l'anatomie du patient) est noyée sous un grésillement terrible (le bruit).

• Les méthodes classiques écoutent tout le son en même temps et essaient de deviner la voix.
• WCC-Net, lui, utilise un outil magique appelé Transformée en Ondelettes. C'est comme un égaliseur audio qui sépare les sons graves (les grandes structures, les organes) des sons aigus (les détails fins et le bruit).
• Il dit : "Attends, les sons graves (les basses) sont sûrs, c'est la structure du corps. Les sons aigus, c'est juste du bruit. Je vais ignorer les aigus pour le guidage."

2. Le Chef d'Orchestre et le Soliste (ControlNet)

Maintenant, prenons l'artiste (le modèle de diffusion) qui peint l'image.

• Avant, on lui donnait juste la photo sale et on lui disait : "Peins quelque chose de beau."
• Avec WCC-Net, on ajoute un Chef d'Orchestre (le "ControlNet").
  • Le Chef d'Orchestre ne touche pas à la peinture de l'artiste (le modèle de base reste figé et sûr).
  • Mais le Chef donne des instructions précises basées sur les sons graves (la structure anatomique) qu'il a extraits plus tôt.
  • Il dit à l'artiste : "Peintre, tu peux ajouter du détail et enlever le bruit, mais surtout, ne bouge pas les murs ! Garde la forme du cœur et du foie exactement comme je te le dis."

✨ Le Résultat : Une Image Parfaite

Grâce à cette méthode :

1. Le bruit disparaît : Les grains de la photo sont effacés.
2. Les détails restent : Les petits vaisseaux sanguins et les contours des organes ne sont pas effacés par erreur.
3. C'est fiable : Même si la photo de départ est très mauvaise (très faible dose), le "Chef d'Orchestre" guide l'artiste pour qu'il ne fasse pas d'erreur d'imagination.

🏆 Pourquoi c'est important ?

Les tests montrent que cette méthode est bien meilleure que toutes les autres :

• Elle rend les images plus nettes (meilleure qualité).
• Elle ne crée pas de fausses structures (pas d'hallucinations).
• Elle fonctionne même sur des doses de radiation encore plus faibles que celles utilisées pour l'entraînement.

En résumé : Au lieu de laisser l'ordinateur deviner à quoi ressemble le corps dans le bruit, les chercheurs lui donnent une "carte routière" précise (les basses fréquences) pour qu'il puisse nettoyer l'image sans jamais se tromper de chemin. Cela permet de faire des examens médicaux plus sûrs pour les patients, avec moins de radiations, tout en gardant une qualité de diagnostic parfaite.

Résumé technique

1. Problématique

L'imagerie par Tomographie par Émission de Positons (TEP) est cruciale pour le diagnostic de maladies comme le cancer, mais elle expose les patients à des rayonnements ionisants. Pour réduire cette exposition, les protocoles cliniques utilisent souvent des doses de traceurs plus faibles (TEP à faible dose). Cependant, cela entraîne une augmentation significative du bruit dans les images, dégradant la qualité visuelle, le contraste et la fiabilité diagnostique.

Bien que les modèles de diffusion (Diffusion Models - DM) aient montré des capacités prometteuses pour le débruitage, ils souffrent de limitations majeures dans les régimes à faible rapport signal-sur-bruit :

• Leur nature stochastique rend difficile l'imposition de structures anatomiques cohérentes.
• Lorsqu'ils sont conditionnés uniquement par des images brutes dans le domaine spatial, l'information structurelle est entrelacée avec le bruit, ce qui conduit souvent à un compromis entre la suppression du bruit et la préservation des détails fins (bords flous, structures manquantes).

2. Méthodologie : WCC-Net

Les auteurs proposent WCC-Net (Wavelet-Conditioned ControlNet), un cadre entièrement 3D basé sur la diffusion, conçu pour intégrer des priors structuraux explicites dans le domaine fréquentiel via des représentations en ondelettes.

Architecture et Principes Clés

• Backbone de Diffusion Gelé : Le modèle utilise un modèle de diffusion probabiliste de débruitage (DDPM) 3D pré-entraîné comme générateur principal. Les paramètres de ce backbone restent gelés pendant l'entraînement pour préserver sa capacité générative initiale.
• Branches de Contrôle (ControlNet) : Une branche légère et entraînable (style ControlNet) est ajoutée pour injecter des signaux de guidage externes sans perturber le backbone.
• Conditionnement par Ondelettes (Wavelet Conditioning) :
  • Au lieu d'utiliser l'image TEP à faible dose brute, l'entrée subit une Transformée en Ondelettes Discrète 3D (DWT).
  • Cette transformation décompose l'image en sous-bandes de fréquences. Les auteurs identifient que le coefficient LLL (basse fréquence dans les trois dimensions) encode la structure anatomique globale robuste, tandis que les hautes fréquences sont dominées par le bruit.
  • Seules les sous-bandes à basse fréquence (LLL) sont sélectionnées comme prior structurel ($c_{wav}$).
• Injection du Signal : Les caractéristiques ondelettes sont traitées par un module d'embedding léger (convolution transposée 3D) puis injectées dans le backbone de diffusion via des couches de convolution ZeroConv (initialisées à zéro). Cela permet d'introduire le guidage structurel de manière progressive et résiduelle, en découpant la structure anatomique du processus de suppression du bruit stochastique.

3. Contributions Principales

1. Cadre de diffusion 3D conditionné par ondelettes : Une nouvelle architecture pour le débruitage TEP du corps entier qui préserve la continuité anatomique volumétrique.
2. Stratégie de conditionnement découplée : Injection de priors structuraux dans le domaine fréquentiel via une branche contrôlable, séparant ainsi la guidance structurelle (ondelettes basses fréquences) de la génération (backbone de diffusion).
3. Validation robuste : Une évaluation extensive démontrant des améliorations constantes par rapport aux bases CNN, GAN et diffusion, tant sur des niveaux de dose vus (1/20) que non vus (1/50 et 1/4).

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données UDPET (Ultra-Low-Dose PET), utilisant des scans 18F-FDG.

Métriques Quantitatives

Sur le jeu de test interne (1/20 de dose), WCC-Net surpasse tous les baselines (BM3D, NLM, 3D-UNet, 3D-cGAN, 3D-DDPM) :

• PSNR : +1,21 dB par rapport au meilleur modèle de diffusion (3D-DDPM).
• SSIM : +0,008 d'amélioration.
• GMSD (Déviation de similarité de magnitude du gradient) : Réduction de 0,003, indiquant une meilleure préservation des bords.
• NMAE (Erreur absolue moyenne normalisée) : Réduction de 0,006.

Généralisation (Doses non vues)

Le modèle démontre une robustesse exceptionnelle sur des niveaux de dose non rencontrés lors de l'entraînement :

• 1/50 de dose (très bruité) : Gain de PSNR de +1,24 dB et SSIM de +0,012 par rapport au DDPM.
• 1/4 de dose : WCC-Net atteint le SSIM le plus élevé (0,992) et le GMSD le plus faible (0,007) parmi toutes les méthodes.

Résultats Qualitatifs

• Les images générées par WCC-Net préservent les structures anatomiques fines (bords corticaux, petites lésions) mieux que les méthodes CNN/GAN (qui créent des textures incohérentes) et les modèles de diffusion standards (qui lissent excessivement).
• Les cartes d'erreur montrent une réduction significative des surestimations et sous-estimations spatiales, en particulier aux interfaces des organes.

5. Signification et Conclusion

Ce travail démontre que l'intégration de priors structurels dans le domaine fréquentiel (via les ondelettes) est une stratégie efficace pour guider les modèles de diffusion dans des régimes à très faible rapport signal-sur-bruit.

• Avantage clé : En découplant la structure (guidée par les basses fréquences des ondelettes) du bruit (géré par le backbone de diffusion), le modèle évite le compromis classique entre lissage et perte de détails.
• Impact clinique : La méthode permet de synthétiser des images TEP de qualité normale à partir de doses ultra-faibles, réduisant potentiellement l'exposition des patients aux radiations tout en maintenant la fiabilité diagnostique.
• Limites et perspectives : L'implémentation actuelle utilise une décomposition d'ondelettes de Haar à un seul niveau. Les travaux futurs visent à explorer des bases d'ondelettes plus flexibles, des décompositions multi-niveaux et une validation sur des données multi-constructeurs et multi-traceurs.

En résumé, WCC-Net représente une avancée significative vers un débruitage TEP contrôlé, anatomiquement cohérent et robuste, en combinant la puissance générative des modèles de diffusion avec la stabilité mathématique des transformées en ondelettes.