Deep Slice Interpolation for Reducing Through-Plane Anisotropy and Noise in Head CT

Sintesi Tecnica: Interpolazione di Deep Slice per la Riduzione dell'Anisotropia e del Rumore nel Piano Trasversale in TC Cranica

Problema
I volumi di tomografia computerizzata (TC) dell'encefalo sono tipicamente ricostruiti con una risoluzione in piano sub-millimetrica, ma con un significativo spazio attraverso il piano (2–5 mm). Questa anisotropia degrada le ricostruzioni multiplanari, introduce artefatti a gradino ("stair-step") nelle viste coronali e sagittali, e ostacola le misurazioni volumetriche e gli algoritmi a valle che presuppongono voxel quasi isotropi. Sebbene esistano metodi di interpolazione classici (ad es. spline cubica), essi non possono recuperare i dettagli anatomici assenti dalle fette acquisite. Inoltre, gli approcci di deep learning esistenti per la super-risoluzione medica mancano di confronti sistematici tra le funzioni di perdita all'interno di un'architettura fissa, e la relazione tra interpolazione e riduzione implicita del rumore rimane poco esplorata in questo specifico contesto.

Metodologia
Gli autori propongono un sistema di deep learning per sintetizzare una fetta assiale intermedia ($I_{k+1}$) da due fette vicine ($I_k, I_{k+2}$), dimezzando efficacemente lo spazio attraverso il piano.

• Architettura: Il sistema utilizza un'architettura U-Net con un encoder EfficientNetV2-S. L'encoder è inizializzato con pesi pre-addestrati su ImageNet (adattati per input a 2 canali), mentre il decoder è inizializzato da zero. Il modello elabora patch di 256 × 266, che vengono riassemblate in fette di 512 × 512 durante l'inferenza utilizzando una strategia di tiling a 13 patch (9 ritagli centrali sovrapposti + 4 patch angolari).
• Dataset: Il modello è addestrato sul dataset RSNA 2019 Intracranial Hemorrhage Detection, limitato a TC cerebrali senza contrasto. I dati sono stati fenestrati nell'intervallo [-20 HU, 107 HU] (centro 44 HU, larghezza 128 HU) e normalizzati nell'intervallo [0, 1]. Il dataset è suddiviso per paziente in set di addestramento, validazione e test. Il set di test (30 pazienti) è stratificato per garantire la rappresentanza di tutti i cinque sottotipi di emorragia.
• Valutazione delle Funzioni di Perdita: È stata condotta una valutazione sistematica di undici configurazioni di perdita sotto un protocollo di addestramento fisso. Lo studio confronta:
  • Perdite per pixel: Mean Squared Error (MSE) e Mean Absolute Error (L1).
  • Perdite strutturali: Structural Similarity Index (SSIM) e Multi-Scale SSIM (MS-SSIM).
  • Perdite ibride: Combinazioni di termini strutturali e per pixel (ad es. MS-SSIM + L1).
• Condizionamento Numerico: Gli autori hanno identificato e affrontato l'instabilità dell'addestramento nelle perdite della famiglia SSIM. Hanno riscontrato che le costanti di stabilità predefinite ($K_2 = 0.03$) portano a errori di divisione per zero (near-zero) nelle regioni cerebrali a bassa varianza, causando gradienti NaN. Hanno implementato due rimedi per l'addestramento: l'aumento di $K_2$ a 0.4 e l'imposizione della piena precisione float32 per i passaggi forward di SSIM.
• Protocollo Statistico: La valutazione è eseguita a livello di paziente (30 pazienti indipendenti) utilizzando intervalli di confidenza bootstrap non parametrici e test Wilcoxon signed-rank accoppiati per confrontare i risultati con i baseline classici e con i modelli di interpolazione di fotogrammi video (VFI) pre-addestrati (RIFE, FILM).

Contributi Chiave

1. Benchmarking delle Prestazioni: Il sistema di deep learning proposto supera l'interpolazione classica (spline cubica, media) e i modelli VFI pre-addestrati (RIFE, FILM) in tutte le metriche strutturali (SSIM, MS-SSIM) in un dominio controllato di TC cerebrale.
2. Analisi delle Funzioni di Perdita: Il documento fornisce una valutazione sistematica delle funzioni di perdita, identificando MS-SSIM + L1 (con un peso 0.5/0.5) come un default robusto e bilanciato. Evidenzia che nessuna singola perdita domina tutte le metriche; L1 minimizza l'errore di pixel (MAE), mentre MS-SSIM + L1 produce il PSNR più elevato.
3. Approfondimenti sulla Stabilità dell'Addestramento: Lo studio documenta la divergenza sistematica dell'addestramento nelle perdite della famiglia SSIM, attribuendola a problemi di condizionamento numerico nel denominatore SSIM. Fornisce rimedi pratici (regolazione di $K_2$ e gestione della precisione) e nota che l'instabilità residua persiste con batch size ridotti.
4. Denoising Implicito: Gli autori dimostrano che la sintesi basata sulla regressione produce intrinsecamente output denoisati. Sfruttando la proprietà della aspettativa condizionata della regressione (dove il minimizzatore di MSE è la media condizionata), il modello apprende il segnale anatomico sottostante piuttosto che il rumore di acquisizione, anche quando addestrato su target rumorosi.

Risultati

• Metriche Strutturali: Sul set di test tenuto separato, i modelli appresi superano significativamente i baseline. Il modello di riferimento (MS-SSIM + L1) raggiunge un SSIM a livello di paziente di 0.888 e un MS-SSIM di 0.936, rispetto a circa 0.78 per i metodi classici e circa 0.85 per i modelli VFI.
• Denoising Implicito: L'analisi quantitativa di regioni di interesse (ROI) di sostanza bianca uniforme mostra che i modelli di regressione per pixel (L1, MSE, MS-SSIM + L1) riducono la varianza in-ROI di circa il 26% rispetto alle fette di riferimento acquisite. Ciò conferma la previsione teorica che il modello sopprime il rumore imprevedibile.
• Impatto sulla Patologia: La qualità dell'interpolazione è leggermente inferiore nelle fette contenenti emorragia rispetto alle fette normali in tutti i metodi, un divario che è statisticamente significativo per le metriche SSIM.
• Validazione Esterna: Un caso di studio out-of-distribution su una serie di TC cerebrali con spaziatura tra le fette mista ha dimostrato che i residui del modello seguono le previsioni teoriche di un estimatore dell'aspettativa condizionata, attenuando specificamente gli artefatti di parità lato dati senza l'addestramento esplicito su tali pattern.

Significatività e Rivendicazioni
Il documento sostiene che l'interpolazione di fette basata su deep learning offre un duplice beneficio: migliorare la visualizzazione 3D riducendo l'anisotropia e, simultaneamente, fornire un denoising implicito. Ciò è ottenuto attraverso un singolo passaggio di inferenza che non richiede target di addestramento "puliti".

Gli autori sottolineano che le loro scoperte sono specifiche per la TC cerebrale senza contrasto entro una finestra definita di Unità Hounsfield. Dichiarano esplicitamente che il lavoro non pretende di generalizzare ad altre regioni anatomiche, modalità o protocolli di acquisizione. La significatività risiede nel fornire un metodo di interpolazione denoisato e affidabile che supera i baseline classici e di transfer-learning esistenti, offrendo al contempo una guida pratica sulla stabilità numerica delle perdite di somiglianza strutturale. Il documento conclude che, sebbene la qualità dell'interpolazione sia elevata, la validazione clinica tramite studi di lettura da parte di radiologi è un passo successivo necessario prima dell'implementazione.