Rethinking Cross-Dose PET Denoising: Mitigating Averaging Effects via Residual Noise Learning

1. Problématique

Le débruitage des images de Tomographie par Émission de Positons (TEP) à faible dose (LDPET) est crucial pour réduire l'exposition aux radiations, notamment chez les patients vulnérables ou pour les études longitudinales. Cependant, la réduction de dose induit un bruit de Poisson sévère, dégradant la qualité de l'image et la précision des mesures cliniques (comme la Valeur d'Absorption Standardisée - SUV).

Les méthodes d'apprentissage profond (Deep Learning) ont montré leur efficacité, mais elles font face à une limitation majeure : le manque de généralisation.

• Les modèles entraînés sur un niveau de bruit spécifique échouent souvent à généraliser à d'autres niveaux de dose.
• Les approches « tout-en-un » (one-size-fits-all), qui tentent d'entraîner un seul modèle sur des données multi-doses, souffrent d'un effet d'averaging (moyennage). En optimisant une fonction de perte sur des distributions de bruit hétérogènes, le modèle apprend une représentation moyenne qui ne correspond parfaitement à aucun niveau de dose réel, entraînant une perte de détails fins et une performance dégradée.

2. Méthodologie

Les auteurs proposent un cadre unifié basé sur l'apprentissage du bruit résiduel (Residual Noise Learning) pour contourner les limitations des approches précédentes.

• Changement de paradigme : Au lieu de prédire directement l'image TEP à pleine dose ($y$) à partir de l'image à faible dose ($x$), le modèle est entraîné à estimer directement le composant de bruit ($n$) associé à chaque niveau de dose.
  • Formulation : $y = x + n$. Le réseau apprend à prédire $n$, et l'image débruitée est obtenue par $f_\theta(x) + x$.
• Analyse théorique : L'article démontre mathématiquement que l'entraînement standard sur des données multi-doses minimise une espérance conditionnelle qui force le modèle à apprendre une moyenne statistique. En se focalisant sur le bruit résiduel, l'espérance est conditionnée strictement à l'image d'entrée et à son niveau de dose spécifique, évitant ainsi le biais de moyennage.
• Architecture et Activation :
  • Le modèle utilise une architecture U-Net.
  • Problème des valeurs négatives : Le bruit résiduel ($y - x$) peut contenir des valeurs négatives. L'utilisation standard de l'activation ReLU (qui bloque les valeurs négatives) dans les réseaux comme DnCNN est donc sous-optimale.
  • Solution : Remplacement de ReLU par LeakyReLU dans le réseau pour permettre la modélisation précise des composantes négatives du bruit.
  • Contrainte de sortie : Une fonction LeakyReLU avec une pente faible (0.01) est appliquée à la sortie finale ($f_\theta(x) + x$) pour garantir que les valeurs de l'image TEP restent strictement positives tout en évitant le problème des « neurones morts ».
• Fonction de perte : Une combinaison de l'erreur absolue moyenne (MAE) et de la perte basée sur l'indice de similarité structurelle (SSIM) est utilisée pour optimiser la reconstruction structurelle et la fidélité des détails.

3. Contributions Clés

1. Analyse de l'effet d'averaging : Identification et démonstration théorique que les modèles « tout-en-un » apprennent implicitement une espérance sur des distributions de bruit hétérogènes, ce qui dégrade les performances.
2. Cadre d'apprentissage du bruit résiduel : Proposition d'une méthode unifiée qui estime le bruit directement plutôt que l'image complète, permettant une meilleure adaptation aux variations de dose sans nécessiter de métadonnées de dose explicites lors de l'inférence.
3. Adaptation de l'activation : Intégration stratégique de LeakyReLU pour gérer les composantes négatives du bruit résiduel, un aspect souvent négligé dans le débruitage TEP.
4. Efficacité et Simplicité : Contrairement aux approches complexes comme UNN (Unified Noise-Aware Network) ou ST-UNN qui nécessitent plusieurs sous-réseaux et une pondération complexe, la méthode proposée utilise un seul modèle avec un nombre de paramètres équivalent à un modèle spécifique à une dose, mais avec une généralisation supérieure.

4. Résultats Expérimentaux

Les méthodes ont été évaluées sur deux grands ensembles de données cliniques provenant de deux centres médicaux (Université de Berne, Suisse et Hôpital Ruijin, Shanghai, Chine), couvrant des niveaux de dose allant de 1% à 50% de la dose complète.

• Performances Quantitatives :
  • La méthode proposée surpasse systématiquement les modèles « tout-en-un », les modèles U-Net individuels (entraînés par dose) et les approches avec embedding de dose (UNN, ST-UNN) sur les métriques PSNR (Rapport Signal-Bruit), SSIM (Similarité Structurelle) et RMSE (Erreur Quadratique Moyenne).
  • Elle démontre une stabilité supérieure, avec une variance plus faible entre les patients, en particulier aux doses intermédiaires (10% et 25%) où les modèles individuels échouent souvent.
• Performances Qualitatives :
  • Les images débruitées par la méthode proposée conservent des bords plus nets et des détails anatomiques fins, évitant l'effet de « lissage excessif » (apparence cireuse) observé avec les modèles individuels ou les modèles « tout-en-un » classiques.
  • Les cartes de différence montrent une reconstruction quasi parfaite par rapport à l'image de référence à pleine dose, même à des niveaux de bruit extrêmes (2% de compte).
• Robustesse : La méthode ne nécessite aucune information préalable sur le niveau de dose lors de l'inférence, contrairement aux modèles conditionnés par la dose, tout en maintenant une robustesse supérieure.

5. Signification et Conclusion

Cet article remet en question les approches conventionnelles de débruitage TEP multi-doses en démontrant que l'apprentissage direct de l'image cible sur des données hétérogènes conduit inévitablement à un compromis de performance (effet d'averaging).

La contribution majeure réside dans le déplacement du focus de la prédiction de l'image vers la prédiction du bruit résiduel. Cette approche simple mais efficace permet de :

• Mitiger l'effet d'averaging sans complexité architecturale accrue.
• Améliorer la généralisation à des niveaux de dose inconnus ou variables.
• Offrir une solution pratique et robuste pour les applications cliniques où les protocoles d'acquisition peuvent varier, garantissant une qualité d'image constante tout en minimisant l'exposition aux radiations.

En somme, cette méthode représente une avancée significative pour le déploiement de l'intelligence artificielle dans l'imagerie médicale TEP, rendant les modèles plus adaptables et fiables dans des scénarios cliniques réels.