VesselFusion: Diffusion Models for Vessel Centerline Extraction from 3D CT Images

L'article présente VesselFusion, un modèle de diffusion innovant qui améliore l'extraction des axes centraux des vaisseaux sanguins à partir d'images CT 3D en utilisant une représentation de la coarse à la fine et une agrégation par vote pour obtenir des résultats plus naturels et précis que les approches déterministes conventionnelles.

L'essentiel

🩺 Le Défi : Dessiner les routes invisibles du corps

Imaginez que vous devez cartographier toutes les routes d'une ville très complexe, mais cette ville se trouve à l'intérieur d'un corps humain. Ces "routes", ce sont les vaisseaux sanguins. Pour les chirurgiens ou les médecins, il est crucial de voir ces routes en 3D pour planifier une opération ou diagnostiquer une maladie.

Le problème ? Les scanners (les images 3D) sont flous par endroits. Les limites entre une "route" (un vaisseau) et le "trottoir" (le tissu environnant) sont souvent imprécises.

• L'ancienne méthode : C'était comme demander à un robot très rigide de tracer une ligne. Si le robot voyait un petit point noir, il s'arrêtait net ou faisait un détour bizarre. De plus, pour entraîner ce robot, il fallait que des humains dessinent manuellement chaque route, ce qui prenait des jours et était source d'erreurs.

🎨 La Solution : VesselFusion, l'artiste probabiliste

Les chercheurs ont créé une nouvelle méthode appelée VesselFusion. Au lieu d'utiliser un robot rigide, ils ont créé un artiste génial basé sur l'intelligence artificielle (un "modèle de diffusion").

Voici comment cela fonctionne, étape par étape, avec des analogies :

1. Le dessin en "Zoom" (Représentation du grossier au fin)

Imaginez que vous devez dessiner un arbre.

• L'approche classique : Vous essayez de placer chaque feuille et chaque brindille avec une précision absolue dès le premier coup de pinceau. C'est difficile et ça donne souvent un résultat bizarre.
• L'approche VesselFusion :
  1. D'abord, l'artiste dessine le tronc principal et les grandes branches (c'est le "grossier").
  2. Ensuite, il affine le dessin pour ajouter les petites branches et les détails (c'est le "fin").
  • Pourquoi ? Cela aide l'ordinateur à ne pas se perdre dans les détails trop tôt. C'est comme construire une maison : on pose d'abord les fondations et les murs, puis on fait la peinture et les décorations.

2. Le vote de la foule (Agrégation par vote)

C'est la partie la plus ingénieuse.

• Le problème : Comme l'artiste utilise un peu de "hasard" (comme un jet de dés) pour créer son dessin, il peut parfois faire une erreur. Parfois, il dessine un vaisseau qui se coupe en deux (une "déchirure") ou qui forme une boucle impossible (un "nœud"). C'est comme si un artiste, en dessinant, faisait une gaffe.
• La solution VesselFusion : Au lieu de demander un seul dessin, l'ordinateur demande à 100 artistes différents de dessiner la même carte en partant de zéro (avec des "bruits" différents).
  • Ensuite, on met tous ces dessins les uns sur les autres.
  • Là où la plupart des artistes ont dessiné une route, on garde la route.
  • Là où un seul artiste a fait une boucle bizarre ou une déchirure, on l'ignore car c'est une erreur isolée.
  • Résultat : On obtient une carte finale qui est la moyenne de tous les avis, donc beaucoup plus stable et réaliste. C'est comme demander à 100 personnes de deviner le nombre de bonbons dans un bocal : la moyenne de leurs réponses est souvent plus juste que celle d'une seule personne.

🏆 Les Résultats : Pourquoi c'est mieux ?

Les chercheurs ont testé cette méthode sur des scanners réels de cœurs humains.

1. Plus précis : VesselFusion trouve les vaisseaux avec une précision supérieure aux méthodes actuelles. C'est comme si l'artiste voyait des détails que les autres ne voyaient pas.
2. Plus naturel : Les vaisseaux dessinés par VesselFusion ressemblent vraiment à de vrais vaisseaux sanguins. Ils ne sont pas cassés, ils ne font pas de boucles impossibles.
3. Moins de travail : Comme l'IA apprend à deviner la structure globale, on a besoin de moins d'annotations manuelles précises pour l'entraîner.

En résumé

VesselFusion, c'est comme remplacer un robot rigide qui se trompe souvent par un chef d'orchestre qui fait jouer 100 musiciens. Même si chaque musicien fait parfois une petite erreur, quand on écoute l'ensemble, la mélodie (la carte des vaisseaux) est parfaite, fluide et fidèle à la réalité du corps humain.

C'est une avancée majeure pour aider les médecins à mieux voir l'intérieur de nos corps et à sauver des vies avec plus de précision.

Résumé technique

1. Problématique

L'extraction des centres de vaisseaux (centerlines) à partir d'images CT 3D est une tâche cruciale pour la planification chirurgicale, le diagnostic et l'hémodynamique computationnelle. Bien que les modèles de segmentation basés sur l'apprentissage profond aient obtenu de bons résultats, ils nécessitent des annotations de masques 3D denses, ce qui est extrêmement laborieux et sujet à des ambiguïtés (les limites des vaisseaux sont souvent floues).

L'extraction directe des lignes centrales (coordonnées) est une alternative plus efficace en termes d'annotation. Cependant, les méthodes existantes souffrent de deux limites majeures :

• Approches déterministes : Elles sont sensibles au bruit et produisent souvent des structures incohérentes (vaisseaux brisés, connexions fantômes, boucles).
• Approches heuristiques : Elles nécessitent souvent une initialisation manuelle des coordonnées, ce qui les rend peu pratiques en environnement clinique.

Le défi principal est de générer des structures de vaisseaux naturelles et stables tout en évitant les artefacts topologiques (comme des boucles ou des déchirures) que les modèles déterministes peinent à supprimer.

2. Méthodologie : VesselFusion

Les auteurs proposent VesselFusion, un modèle de diffusion conditionnel conçu pour générer des lignes centrales de vaisseaux directement à partir d'images CT 3D. L'approche repose sur trois piliers techniques :

A. Représentation Coarse-to-Fine (C2F)

Pour rendre la génération par diffusion plus stable face à la rareté des données et aux déséquilibres d'échelle, les coordonnées brutes 3D ne sont pas utilisées directement. Elles sont encodées via une représentation hybride combinant des composants discrets et continus :

• Grille grossière (Coarse) : L'espace 3D est divisé en cellules de grille. Chaque point est identifié par les indices de sa cellule (encodés en vecteurs binaires).
• Décalage local (Fine) : Une position relative (offset) par rapport au centre de la cellule est calculée et normalisée.
• Drapeau de validité : Un indicateur binaire détermine si une entrée est un point de vaisseau valide ou un remplissage (padding), permettant de gérer des ensembles de longueurs variables dans un format fixe.

B. Modèle de Diffusion Conditionnel

Le modèle utilise un processus de diffusion probabiliste (Denoising Diffusion Probabilistic Model) conditionné par l'image CT :

• Entraînement : Un débruiteur (basé sur un Transformer) apprend à reconstruire la représentation C2F à partir d'un bruit gaussien ajouté progressivement, en minimisant l'erreur quadratique moyenne.
• Inférence : L'échantillonnage DDIM (Denoising Diffusion Implicit Models) est utilisé pour inverser le processus de manière déterministe, partant d'un bruit initial pour générer les coordonnées finales.

C. Agrégation par Vote (Voting-Based Aggregation)

Comme les modèles génératifs peuvent produire des structures "non naturelles" (boucles, bruit) lors d'une seule inférence stochastique, VesselFusion utilise une stratégie d'agrégation :

• Le modèle génère $K$ échantillons de lignes centrales à partir de différents bruits initiaux.
• Une vote par voxel est effectué dans l'espace des coordonnées : un point est retenu dans le résultat final si le nombre de fois où il apparaît parmi les $K$ échantillons dépasse un seuil $\tau$.
• Ce seuil est calculé automatiquement pour aligner le nombre de points du résultat agrégé avec la moyenne des échantillons individuels, assurant ainsi une stabilité topologique.

3. Contributions Clés

1. Premier modèle génératif : VesselFusion est la première méthode utilisant un modèle génératif (diffusion) pour l'extraction de lignes centrales de vaisseaux à partir d'images CT 3D.
2. Représentation C2F et Agrégation : L'introduction d'une représentation de coordonnées structurée (C2F) et d'une méthode d'agrégation par vote permet d'obtenir des structures anatomiquement plausibles et stables.
3. Performance supérieure : La méthode surpasse les approches conventionnelles (déterministes) en termes de précision de coordonnées et de naturalité structurelle.

4. Résultats Expérimentaux

L'évaluation a été réalisée sur le dataset public ImageCAS (1000 volumes CT coronaires).

• Précision Quantitative :
  • VesselFusion a obtenu les meilleurs scores F1 pour tous les seuils de distance ($R=1, 2, 3$), surpassant à la fois un U-Net de base et VesselFormer (un modèle de génération de graphes).
  • L'amélioration à $R=1$ indique une précision spatiale supérieure pour la localisation des coordonnées.
• Cohérence Structurelle (Topologie) :
  • Les métriques de Betti (Betti-0 pour les composantes déconnectées, Betti-1 pour les boucles) montrent que VesselFusion produit des structures beaucoup plus propres.
  • Contrairement aux méthodes de base qui génèrent beaucoup de bruit (Betti-0 élevé) ou de boucles (Betti-1 élevé), VesselFusion maintient des valeurs très faibles pour les deux, indiquant des vaisseaux continus et sans boucles parasites.
• Analyse Ablative :
  • L'ajout de la représentation C2F améliore principalement le rappel (recall).
  • L'agrégation par vote améliore principalement la précision (precision) et réduit drastiquement les boucles (Betti-1).
  • La combinaison des deux offre le meilleur équilibre.
  • L'étude sur le nombre d'échantillons $K$ montre que la précision sature vers $K=10$, mais la stabilité structurelle continue de s'améliorer jusqu'à $K=60$.

5. Signification et Conclusion

VesselFusion démontre que les modèles de diffusion peuvent capturer la variabilité complexe des structures anatomiques humaines mieux que les modèles déterministes, évitant ainsi les artefacts topologiques courants. En réduisant la dépendance aux annotations de masques denses et en fournissant des lignes centrales fiables, cette méthode ouvre la voie à des outils d'aide au diagnostic et à la planification chirurgicale plus robustes.

La principale limitation identifiée reste le coût computationnel lié à l'agrégation par vote (nécessitant plusieurs inférences), qui fait l'objet de travaux futurs pour optimisation.