RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation

本論文は、小規模な医療データセットにおける非対 CBCT-CT 変換の安定性と精度を向上させるため、DINOv3 エンコーダとグローバル CT メモリバンクを用いて検索ガイド擬似ペアを構築する「検索拡張フローマッチング（RAFM）」を提案し、SynthRAD2023 ベンチマークで既存手法を上回る性能を実証したものである。

要約

この論文は、医療画像の分野における「魔法のような変換技術」について書かれています。専門用語を避け、誰でもわかるような比喩を使って解説します。

🏥 物語の舞台：治療計画のジレンマ

まず、背景から説明しましょう。
がんの放射線治療では、患者の体の内部を詳しく見るために**「CT スキャン」**という画像が使われます。これは非常に正確で、治療の計画を立てるのに欠かせない「黄金の基準」です。

しかし、治療の現場では、毎日患者の体を確認するために**「CBCT（コニカルビーム CT）」**という別の画像を撮ります。

• CT： 高品質な写真。でも、撮るのに時間がかかり、患者を何度も移動させるのは大変。
• CBCT： 手軽に撮れる写真。でも、画質が荒く、色（濃さ）が正確でないため、そのまま治療計画に使えない。

**「CBCT を、CT と同じくらい高品質な画像に変えてしまえば、治療がもっと楽になる！」**というのがこの研究のゴールです。

🎨 従来の方法の悩み：「見当違いなペア」

これまで、AI に「CBCT を CT に変えて」と教えるには、**「同じ人の CBCT と CT のペア」**という教科書（正解データ）が必要でした。
しかし、現実には以下の理由で、この「正解ペア」を作るのが非常に難しいのです。

1. 撮影する時間が違う（数ヶ月後など）。
2. 患者の姿勢や体の形が微妙に変わっている。
3. 機械の誤差で、位置がズレている。

そこで、研究者たちは「ペアがなくても学習できる AI」を開発してきました。
しかし、従来の AI は**「ランダムに選んだ CBCT と、ランダムに選んだ CT をつなげて勉強させる」**という方法をとっていました。

🌰 比喩：料理のレシピ
これは、**「料理教室」**で考えてみましょう。

• CBCT ＝ ぼんやりしたスケッチ画（材料の配置はわかるが、色が不明）。
• CT ＝ 完成した美しい料理の写真。

従来の AI は、**「スケッチ画 A と、全く関係のない料理写真 B をペアにして『これをこう変えなさい』と教える」**ようなものでした。
例えば、「魚のスケッチ」に対して「ステーキの写真」を正解として見せたら、AI は混乱します。「魚をステーキにすればいいの？それとも骨をステーキにすればいいの？」と、意味の通じない変換を学んでしまい、結果として「魚の骨がステーキの肉に変わってしまう」ような奇妙な画像ができてしまいます。

✨ 新技術「RAFM」の登場：賢い検索機能

この論文で提案されているのが**「RAFM（検索強化型フローマッチング）」という新しい AI です。
この AI は、ランダムにペアを作るのではなく、「似ているもの」を賢く探してペアにします。**

🔍 比喩：図書館の司書さん
RAFM は、**「超優秀な図書館司書」**のような役割を果たします。

1. 特徴の抽出（DINOv3）：
   まず、AI は CBCT の画像を見て、「これは骨の形がこうで、筋肉の配置はこうだ」という**「特徴（雰囲気や形）」**をメモします。
2. 検索（Memory Bank）：
   巨大な「CT 画像の図書館（メモリバンク）」の中に、その特徴に一番似ている CT 画像を探しに行きます。
   • 「魚のスケッチ」なら、「魚の料理写真」を探します。
   • 「ステーキのスケッチ」なら、「ステーキの写真」を探します。
3. 学習（Flow Matching）：
   「似ているペア」だけを使って、「スケッチをどう変えれば、この料理写真になるか」を学習します。

これにより、AI は「魚をステーキに変える」という間違った学習をせず、「魚のスケッチを、魚の料理写真に綺麗に塗り直す」ことを正しく学びます。

🚀 なぜこれがすごいのか？

1. ペアがなくても最強：
   本来、同じ人の「CBCT と CT」が揃っていなくても、この「似ているもの検索」のおかげで、高品質な変換が可能です。
2. 安定している：
   ランダムなペアだと AI が混乱して不安定になりますが、RAFM は「似ているペア」を使うので、学習が安定し、結果も信頼できます。
3. 人体の形を壊さない：
   医療画像では、臓器の形や位置が狂うと命に関わります。RAFM は「似ているもの」を探すため、患者の体の形（解剖学的構造）を壊さずに、画像の質感だけを CT 風に整えることができます。

📊 実験結果：他の方法を凌駕

研究者たちは、実際の医療データ（SynthRAD2023 という大会のデータ）でテストしました。

• 画質： 従来の AI よりも、ノイズが少なく、くっきりとした画像が作れました。
• 正確さ： 臓器の形を正しく保つ能力（セグメンテーションスコア）も、他のどんな手法よりも高かったです。
• 速度： 生成する速度も、従来の複雑な方法より速く、実用性が高いです。

💡 まとめ

この論文は、**「正解のペアがなくても、AI が『似ているもの』を賢く探して学習すれば、医療画像を劇的に改善できる」**ことを証明しました。

まるで、**「ぼんやりしたスケッチを、似ている最高の完成品を見ながら、プロの画家が丁寧に塗り直してくれる」**ような技術です。これにより、がん治療の計画がより安全で、効率的になることが期待されています。

技術概要

RAFM: 医療画像における非対 CBCT-CT 変換のための検索拡張フローマッチング

技術的サマリー（日本語）

本論文は、放射線治療における Cone-beam CT（CBCT）から合成 CT（sCT）への画像変換タスクにおいて、**「検索拡張フローマッチング（Retrieval-Augmented Flow Matching: RAFM）」**という新しい手法を提案しています。特に、対データ（paired data）が存在しない（unpaired）状況下で、解剖学的構造を保持しつつ高品質な CT 画像を生成することを目的としています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 問題定義と背景

• 背景: 放射線治療計画には、電子密度情報を提供する信頼性の高い CT 画像が不可欠です。一方、治療中の画像誘導（IGRT）には CBCT が頻繁に使用されますが、CBCT はアーティファクトが激しく、Hounsfield Unit（HU）値が不正確なため、直接線量計算に使用できません。
• 課題: CBCT から CT への変換（翻訳）は重要ですが、臨床現場では時間的ギャップ、解剖学的変化、登録誤差により、厳密に一致する CBCT-CT の対データ（paired data）を取得・整列することが極めて困難です。
• 既存手法の限界:
  • GAN 系: 視覚的に良い結果を出しますが、学習の不安定性やアーキテクチャへの依存性が課題です。
  • 拡散モデル/Schrödinger ブリッジ: 有望ですが、複雑な学習パイプラインや敵対的コンポーネントを含む場合があります。
  • Rectified Flow (RF) の課題: RF は非敵対的（non-adversarial）で分布間の決定論的輸送をモデル化しますが、医療画像データセットが小さく、バッチサイズも制限されるため、ランダムな対（pseudo-pairing）やバッチ内の局所的な対付けでは、意味的に不一致な端点（endpoint）が選ばれやすく、輸送ノイズが発生して解剖学的構造が損なわれるリスクがあります。

2. 提案手法：RAFM (Retrieval-Augmented Flow Matching)

RAFM は、Rectified Flow の理論的枠組みを維持しつつ、医療画像の制約（小データ・小バッチ）に適応するために**「検索による疑似対の構築」**を導入した手法です。

2.1 基本的な枠組み

• Rectified Flow (RF): 源分布（CBCT）から目標分布（CT）への決定論的輸送を、直線的な経路（ODE: 常微分方程式）でモデル化します。
  • 学習目標：$x_0$ (CBCT) と $x_1$ (CT) の間の線形補間 $x_t = (1-t)x_0 + tx_1$ 上で、速度場 $v_\theta$ が目標速度 $x_1 - x_0$ を推定するように学習します。
  • 重要点：厳密なボクセル単位の対データは不要で、周辺分布が一致していれば理論的には機能します。

2.2 検索拡張によるカップリングの改善

RAFM の核心は、ランダムな対付けではなく、意味的に類似した CT スライスを検索して疑似対を構築する点にあります。

1. 特徴抽出: 凍結された DINOv3 エンコーダを用いて、各 CT スライスの特徴ベクトルを抽出します。
2. CT メモリバンクの構築: 学習中に、現在のミニバッチから得られた CT 特徴と画像を、先入れ先出し（FIFO）のローリングバッファ（メモリバンク）に蓄積します。これは全データセットに匹敵する規模の「グローバルな候補プール」として機能します。
3. 検索による疑似対付け:
   • 入力された CBCT スライスの特徴を DINOv3 で抽出します。
   • メモリバンク内の CT スライスとコサイン類似度を計算し、最も特徴が類似する CT スライス $x_{ct}^{j^*}$ を検索します。
   • この $(CBCT, 検索された CT)$のペアを、フローマッチングの端点$(x_0, x_1)$ として使用します。
4. 非対（Unpaired）の維持: 検索は「患者 ID」や「時間的対応」ではなく、**「特徴空間での類似性」**のみに基づいて行われるため、厳密な意味での非対学習（strictly unpaired）として扱われます。

2.3 推論

学習された速度場 $v_\theta$ を用いて、CBCT 画像から出発し、学習された ODE を数値積分（Euler 法など）して $t=1$ までの状態を計算することで、合成 CT 画像を生成します。

3. 主要な貢献

1. 医療画像向け RF の実用化: 小データ・小バッチ環境下での Rectified Flow の実用的な課題（カップリングの質の低下）を解決し、医療画像変換への適用可能性を証明しました。
2. 検索拡張カップリング戦略: 凍結された DINOv3 とグローバルメモリバンクを用いた「検索拡張」により、ランダム対付けやバッチ内対付けよりも意味的に整合性の高い輸送目標を提供し、学習の安定性と解剖学的構造の保持を大幅に改善しました。
3. 厳密な非対プロトコルでの検証: SynthRAD2023 データセットを用い、患者レベルで完全に非対（true-unpaired）な設定（学習データに CBCT と CT の対応が一切ない状態）で評価を行い、既存手法を凌駕する性能を示しました。

4. 実験結果

データセット: SynthRAD2023（骨盤領域）。学習データは 63 人の CBCT と 63 人の CT（互いに重なりなし）に分割され、厳密な非対設定で評価されました。

定量的評価（RAFM vs 既存手法）:
RAFM は、GAN 系（CycleGAN, GcGAN, CUT）および拡散/SB 系（SynDiff, UNSB）のすべての既存手法を上回る結果を示しました。

• MAE (平均絶対誤差): 101.2 HU（次点の SynDiff は 104.2）。誤差が最小。
• SSIM / PSNR: それぞれ 80.96% / 25.15 dB と最高値を記録。
• FID (分布のリアリティ): 53.29 と最も低く（良い）、生成画像の分布が真の CT に最も近いことを示唆。
• SegScore (解剖学的整合性): 75.77% と最高値。TotalSegmentator による臓器分割の Dice 係数が高く、解剖学的構造が正確に保持されていることを示しています。

アブレーション研究:

• カップリング戦略の比較において、ランダム対付け（K=0）やバッチ内対付け（K=4）よりも、検索拡張（K=512）が性能を大幅に向上させることが確認されました。
• 完全な対データ（Paired RF）による上限値に近い解剖学的整合性（SegScore 75.77% vs 76.87%）を、非対設定で達成しています。

5. 意義と結論

• 臨床的意義: 対データが不足している現実的な医療現場において、CBCT から高品質な sCT を生成し、線量計算や適応的放射線治療への応用を可能にする堅牢なフレームワークを提供しました。
• 技術的意義: 敵対的学習なしに安定した構造保持を実現する「Rectified Flow」の弱点を、検索技術（Retrieval）によって補完する新しいパラダイムを示しました。
• 効率性: 拡散モデルのような多ステップサンプリングに比べて推論が高速（10 ステップの ODE 積分）であり、GAN のような敵対的学習の不安定性も回避しています。

本論文は、医療画像生成において「検索」を「生成モデルのカップリング戦略」に統合することで、小データ環境下での非対学習の性能限界を突破する重要なステップを示しています。