3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance

Riepilogo Tecnico: Sintesi di Pseudo-TC Derivata da Ecografia 3D Utilizzando una Rete Residua Potenziata da Transformer

Enunciato del Problema
La Tomografia Computerizzata (TC) è un pilastro della diagnosi clinica e degli interventi guidati da immagini, ma espone i pazienti a radiazioni ionizzanti, un rischio associato a potenziali tumori indotti dalle radiazioni. Sebbene l'Ecografia (US) offra un'alternativa sicura, non ionizzante ed economica, soffre di limitazioni significative: è fortemente dipendente dall'operatore, manca di caratterizzazione quantitativa dei tessuti (i valori di intensità non corrispondono alle Unità Hounsfield) ed è suscettibile ad artefatti come l'ombreggiatura acustica e la pressione variabile della sonda. Questi fattori spesso portano a incertezza diagnostica ed esami TC di follow-up non necessari. Gli approcci esistenti di deep learning per la sintesi cross-modale affrontano un compromesso: le ResUNet 3D standard catturano bene le caratteristiche locali ma faticano con le relazioni anatomiche globali in grandi volumi 3D, mentre architetture come ResViT che integrano transformer in tutta la rete spesso comportano costi computazionali elevati e possono degradare i dettagli locali fini, specialmente in dati US rumorosi.

Metodologia
Il documento propone un framework per generare volumi di pseudo-TC derivata da ecografia 3D (UD-pCT). L'obiettivo primario non è sostituire la TC diagnostica, ma fornire riferimenti anatomici simili alla TC in tempo reale per guidare gli operatori US, migliorando così la coerenza delle scansioni e riducendo i rinvii TC non necessari.

1. Pipeline di Preprocessing dei Dati:

   • Registrazione: Gli autori utilizzano il dataset TRUSTED, contenente volumi appaiati di US e TC renali 3D. Viene impiegata una pipeline di registrazione multimodale basata su punti di riferimento per allineare spazialmente le modalità. Ciò comporta la stima di una trasformazione di similarità (rotazione, scala, traslazione) utilizzando punti di riferimento anatomici tramite l'algoritmo di Umeyama.
   • Ritaglio e Mascheratura: Per garantire la corrispondenza voxel per voxel e ridurre l'uso di memoria, viene eseguito un ritaglio della Regione di Interesse (ROI) basato sulle maschere di segmentazione renale US. Inoltre, viene applicato un passaggio di mascheratura del Campo Visivo (FOV) ai volumi TC per corrispondere alla geometria piramidale (a tronco di cono) dell'acquisizione US, mascherando le regioni esterne al settore acustico US.

2. Architettura Proposta (BT-ResUNet3D):
   Il cuore del framework è una ResUNet3D con Bottleneck Transformer (BT-ResUNet3D), progettata come modello supervisionato di traduzione di immagini cross-modale appaiata.

   • Generatore: Il generatore segue una struttura di codificatore-decodificatore residuo 3D (backbone U-Net). Impiega blocchi residui profondi per catturare texture locali e dettagli anatomici fini. Crucialmente, viene introdotto un modulo Transformer leggero esclusivamente nel bottleneck. Questo design permette alla rete di modellare dipendenze volumetriche a lungo raggio e coerenza anatomica globale senza interrompere l'estrazione di caratteristiche convoluzionali nelle fasi iniziali richiesta per la preservazione dei dettagli locali. Il contesto globale dal transformer viene fuso con le caratteristiche locali tramite addizione residua.
   • Discriminatore: Viene utilizzato un discriminatore 3D Conditional PatchGAN per imporre il realismo strutturale locale. Valuta il realismo di patch volumetriche locali anziché un singolo punteggio globale, incoraggiando la sintesi di texture plausibili e confini strutturali netti.
   • Funzione di Perdita: Il modello è addestrato utilizzando una funzione di perdita composita che combina una perdita di ricostruzione L1 pixel per pixel (per garantire l'accuratezza a livello di voxel) e una perdita avversariale (per migliorare il realismo percettivo).

Contributi Chiave

• Pipeline di Preprocessing Robusta: Gli autori stabiliscono una pipeline che coinvolge registrazione basata su punti di riferimento, ritaglio ROI e mascheratura FOV per costruire coppie di addestramento spazialmente allineate e anatomicamente coerenti, fondamentale per una sintesi cross-modale supervisionata affidabile.
• Architettura Innovativa (BT-ResUNet3D): L'introduzione di un bottleneck potenziato da transformer all'interno di un codificatore-decodificatore residuo 3D. Questo design cattura esplicitamente le dipendenze volumetriche a lungo raggio preservando al contempo la fedeltà anatomica locale, affrontando le limitazioni sia delle architetture puramente CNN che di quelle a transformer completo.
• Integrazione Conditional PatchGAN: L'uso di un Conditional PatchGAN 3D per imporre il realismo strutturale locale e i dettagli anatomici ad alta frequenza nei volumi sintetizzati.
• Focus sull'Utilità Clinica: Il lavoro dimostra la fattibilità dell'uso di volumi UD-pCT specificamente per la guida dell'operatore durante l'acquisizione US per migliorare la coerenza della scansione e ridurre l'uso TC non necessario, piuttosto che come sostituto diagnostico diretto.

Risultati Sperimentali
Il metodo è stato valutato sul dataset TRUSTED (59 volumi appaiati, suddivisi in 47 casi di addestramento e 12 di test).

• Prestazioni Quantitative: Il metodo proposto ha raggiunto un PSNR di 23,26 dB e un SSIM di 0,71, superando le linee di base consolidate tra cui ResUNet 3D, UNet 3D, Pix2Pix e modelli basati su diffusione (MedDiffusion, Diffusione Condizionata 3D). Lo studio di ablazione ha confermato che il bottleneck transformer ha migliorato significativamente entrambe le metriche rispetto a una ResUNet 3D standard.
• Analisi Qualitativa: I risultati visivi mostrano che, nonostante il rumore da speckle e il basso contrasto nelle immagini US di input, il modello recupera con successo strutture coerenti a livello di organo (reni) che si allineano strettamente con l'anatomia TC reale. I volumi sintetizzati preservano i confini degli organi e l'estensione spaziale.

Significato e Limitazioni
Il documento afferma che il framework proposto offre un'alternativa pratica e più sicura per migliorare la guida e l'efficienza nell'imaging medico. Fornendo un contesto anatomico in tempo reale, i volumi UD-pCT possono aiutare gli operatori a ottimizzare il posizionamento e l'orientamento della sonda, potenzialmente riducendo la variabilità inter-operatoria e il volume di scansioni TC non necessarie.

Gli autori riconoscono esplicitamente le limitazioni, notando che la dimensione relativamente piccola del dataset appaiato (59 volumi) potrebbe limitare la generalizzabilità del modello. Affermano che il lavoro futuro si concentrerà sull'acquisizione di dataset più ampi e diversificati e sull'indagine di strategie semi-supervisionate o debolmente supervisionate per ridurre la dipendenza dai dati TC appaiati. Lo studio mantiene un ambito modesto, posizionando la tecnologia come strumento di supporto per la guida dell'operatore piuttosto che come sostituto dell'imaging TC diagnostico definitivo.