Diffusion Autoencoder for Unsupervised Artifact Restoration in Handheld Fundus Images

Titolo: Diffusion Autoencoder per il Restauro Non Supervisionato di Artefatti in Immagini Fundus Portatili

1. Il Problema

L'adozione di dispositivi di imaging fundus portatili (handheld) ha reso la diagnosi oftalmologica più accessibile ed economica. Tuttavia, le immagini acquisite con questi dispositivi soffrono spesso di gravi artefatti, tra cui:

• Riflessi del flash.
• Variazioni di esposizione (sovra- o sotto-esposizione).
• Sfocature dovute al movimento.

Questi difetti degradano la qualità dell'immagine e ostacolano l'analisi automatica (downstream analysis) e la diagnosi delle malattie. I modelli di intelligenza artificiale esistenti, addestrati su immagini fundus di alta qualità acquisite con sistemi da tavolo (table-top), spesso falliscono quando applicati a queste immagini "fuori distribuzione" (out-of-distribution) a causa degli artefatti. Le soluzioni generative attuali (come le GAN) richiedono spesso maschere predefinite o supervisione accoppiata (paired supervision), rendendole poco adattabili a degradazioni non strutturate e complesse tipiche delle acquisizioni portatili.

2. Metodologia

Gli autori propongono un Diffusion Autoencoder (DiffAE) non supervisionato, progettato per apprendere rappresentazioni semanticamente significative per il restauro degli artefatti.

• Architettura: Il framework integra un codificatore di contesto (Context Encoder, $Enc_\phi$) con un processo di denoising basato su UNet.

  • Fase di Addestramento: Il modello viene addestrato esclusivamente su immagini fundus di alta qualità (da sistemi da tavolo, dataset EyePACS). Il codificatore mappa l'immagine pulita $x_0$ in un vettore latente compatto $z$ (di dimensione 512), che cattura le strutture globali della retina. Questo vettore funge da "prior semantico" per il processo di diffusione inversa.
  • Fase di Inferenza (Restauro): Per le immagini handheld degradate, il processo di denoising inverso viene guidato dal vettore latente $z$ (estratto dall'immagine pulita di riferimento o appreso) e da una maschera degli artefatti ($M$). A ogni passo temporale $t$, la maschera condiziona il processo di inpainting:
    $$x^{inpaint}_t = M \odot x_t + (1 - M) \odot x^{noisy}_0$$
    Questo permette al modello di riempire le regioni danneggiate preservando la coerenza strutturale e vascolare dell'immagine originale.

• Approccio Non Supervisionato: Il modello non richiede coppie di immagini (pulite/degradate) per l'addestramento. Impara a generare immagini fundus di alta qualità e, durante l'inferenza, utilizza questa conoscenza per ricostruire le parti mancanti o degradate delle immagini handheld.

3. Contributi Chiave

1. Framework DiffAE Unsupervised: Introduzione di un autoencoder a diffusione che combina un codificatore di contesto con il processo di denoising per apprendere rappresentazioni semantiche efficaci per il restauro di artefatti in immagini fundus portatili.
2. Meccanismo di Inferenza Adattivo: Sviluppo di un meccanismo che apprende solo su immagini fundus di alta qualità (table-top) ma è in grado di inferire e restaurare immagini degradate da dispositivi handheld senza bisogno di dati di addestramento degradati.
3. Validazione Completa: Validazione quantitativa e qualitativa su dataset mai visti durante l'addestramento, inclusi compiti di analisi downstream come la segmentazione dei vasi sanguigni e la classificazione della retinopatia diabetica (DR).

4. Risultati

Il modello è stato confrontato con baseline avanzate (GAN come EdgeConnect, DeepFillV2, ShiftNet, e modelli basati su diffusione come ClarityNet).

• Metriche Quantitative (Set Sintetico e Test):

  • Qualità dell'immagine: Il modello proposto ha ottenuto il punteggio più alto in PSNR (38.64 dB) e SSIM (0.97), superando il miglior baseline (DeepFillV2) di 1.11 dB in PSNR.
  • Segmentazione Vascolare: Ha raggiunto il punteggio Dice più alto (0.891), dimostrando una migliore preservazione della continuità dei vasi sanguigni rispetto ad altri metodi che tendono a propagare artefatti o creare strutture indesiderate.
  • Classificazione della Retinopatia Diabetica (DR): Sulle immagini restaurate, il modello ha raggiunto un'accuratezza di classificazione del 81.17%, superiore a tutti i baseline e significativamente migliore rispetto all'accuratezza del 77.11% ottenuta senza restauro.
  • Valutazione della Qualità: Il modello ha prodotto la percentuale più alta di immagini classificate come "Good" (35.8%) e "Usable" (52.6%), riducendo drasticamente le immagini "Reject" (15.8%).

• Analisi Qualitativa:

  • Le immagini restaurate mostrano una maggiore fedeltà contestuale e naturale rispetto alle GAN, che spesso sostituiscono le strutture vascolari con patch di colore innaturale o producono immagini sfocate.
  • Il modello gestisce efficacemente artefatti di varie dimensioni e strutture, inclusi i riflessi del flash e le esposizioni estreme.

• Studio Ablativo: L'uso di una rappresentazione contestuale interpolata ($z_{interp}$) ha migliorato ulteriormente il PSNR (fino a 41.46 dB), confermando che il codificatore di contesto gioca un ruolo fondamentale nella guida del processo di restauro.

5. Significato e Impatto

Questo lavoro dimostra che i Diffusion Autoencoder possono essere utilizzati per compiti di restauro non supervisionato in ambito medico, superando i limiti delle GAN tradizionali.

• Accessibilità: Permette di utilizzare efficacemente immagini fundus acquisite con dispositivi economici e portatili, rendendo lo screening della retinopatia diabetica più accessibile in contesti di cura primaria o aree remote.
• Affidabilità Diagnostica: Migliorando la qualità delle immagini degradate, il modello aumenta l'affidabilità delle analisi automatiche successive, riducendo la necessità di ripetere le acquisizioni e migliorando la diagnosi precoce.
• Flessibilità: L'approccio non supervisionato elimina la necessità di raccogliere costosi dataset di coppie "immagine degradata/immagine pulita", rendendo la tecnologia più scalabile e adattabile a nuove tipologie di artefatti.