技術要約：小児頭蓋部CT再構成のためのPSCT-Net

問題提起

コンピュータ断層撮影（CT）は小児の頭蓋顔面異常の診断におけるゴールドスタンダードであるが、それに伴う電離放射線は、放射線感受性の高さや将来的な悪性腫瘍のリスクを考慮すると、発達段階にある解剖学的構造に対して深刻なリスクをもたらす。二平面X線撮像は低線量な代替案となるが、複雑な頭蓋変形を評価するために必要な体積的な奥行き情報に欠けている。疎な2D X線投影から高忠実度の3D CTボリュームを再構成することは、極めて不良設定な逆問題である。

既存のディープラーニング・アプローチは通常、**幾何学に依存しない特徴量のリフティング（geometry-agnostic feature lifting）**に依存しており、2D特徴量を3D空間へナイーブに複製または線形投影している。これらの暗黙的なメカニズムは、物理的な取得ジオメトリをモデル化できず、空間的な不整合、奥行きの曖昧さ、および小児診断に不可欠な微細な骨構造（縫合線や泉門など）の消失を招く。さらに、近年の拡散モデル（diffusion-based models）は、テクスチャのリアリズムを向上させる一方で、反復的なデノイジングによる膨大な計算コストを強いるため、時間的制約のある臨床ワークフローには実用的ではない。加えて、顕著なドメインギャップが存在する。公開ベンチマークは成人体の体幹解剖（肺、脊椎、骨盤）に焦点を当てており、未閉鎖の泉門や薄い皮質骨といった小児特有の生理学的マーカーを欠いている。

手法：PSCT-Net

著者らは、明示的な幾何学的事前知識と計算効率の高いコンテキスト・モデリングを統合した、幾何学認識型フレームワークであるPSCT-Netを提案する。このアーキテクチャは、標準的な2D-to-3D条件付き生成敵対的ネットワーク（cGAN）に基づいているが、空間的一貫性と堅牢なグローバル・コンテキストを強制するために4つの主要な革新を導入している。

1. 微分可能な逆投影による初期化（Differentiable Back-Projection Initialization）

奥行きの曖昧さを軽減するため、ネットワークは微分可能な逆投影レイヤーを介して粗いボリュームの事前分布を初期化する。このレイヤーは、投影行列（回転と平行移動）によって定義される物理的なレイパス（光線経路）に沿ってX線強度を追跡し、幾何学的に忠実な減衰ボリューム（$V_{prior}$）を生成する。このステップにより、取得ジオメトリがネットワークに明示的に注入され、最初から奥行きの曖昧さを緩和する空間的に忠実な初期化が提供される。

2. 幾何学認識型マルチビュー・コンディショニング（Geometry-Aware Multi-view Conditioning）

本フレームワークは、エンコーディングおよびデコーディングの両段階において幾何学的整合性を強制するためのデュアル・コンディショニング戦略を採用している。

• BP-Cモジュール（エンコーダー）: 取得ジオメトリに従って2D特徴マップを3D空間へ逆投影する。これらのビュー固有のボリュームは平均化されてグローバルな事前分布を形成し、メインのエンコーダー特徴量と結合されることで、早期に奥行きの曖昧さを解消する。
• MV3D-Cモジュール（デコーダー）: ビュー固有のブランチからの高次ボリューム特徴量を共通の座標系に整列させる。これらの整列された特徴量は平均化され、メインのデコーダーと結合されることで、最終的な再構成が入力投影と意味的に一貫することを保証する。

3. アテンション誘導型投影（Attention-Guided Projection: AGP-3D）

固定された線形投影や単純な特徴量複製に代わり、AGP-3Dモジュールはマルチヘッド・アテンション（MHA）メカニズムを活用して、2D画像領域と3D空間位置の間の非線形なボクセル単位の対応関係を学習する。3Dグリッド位置をクエリ（Query）、2D特徴量をキー（Key）として扱うことで、ネットワークはどこから関連するテクスチャ情報を取得すべきかを動的に学習し、盲目的な投影ではなく識別的な特徴量集約を可能にする。

4. 双方向Mamba（Bidirectional Mamba: BiM-3D）

全般的な頭蓋の幾何学構造を効率的に捉えるため、フレームワークは**双方向Mamba（BiM-3D）**モジュールを組み込んでいる。このモジュールは、双方向選択的状態空間モデル（Bi-SSM）を利用して、標準的なTransformerの二次関数的な計算コスト（$O(N^2)$）を回避しながら、線形計算量（$O(N)$）で長距離のボリューム依存関係をモデル化し、畳み込みの限定的な受容野という課題を克服する。

学習目的関数

ネットワークは、以下の要素からなる複合損失関数を用いて訓練される。

• 敵対的損失（$L_{adv}$）: 3Dパッチ判別器を備えた条件付き最小二乗GAN。
• 再構成損失（$L_{rec}$）: $\ell_1$ ボクセル単位の再構成損失。
• 投影一貫性損失（$L_{proj}$）: 2D直交投影を介して一貫性を強制する。

主な貢献

1. 新規フレームワーク: PSCT-Netは、微分可能な逆投影と状態空間モデリングをX線からCTへの再構成に統合した初のフレームワークである。取得ジオメトリを明示的に符号化することで、既存のアプローチが誤った構造を幻覚（hallucination）させる原因となる奥行きの曖昧さを解決する。
2. PedSkull-CTデータセット: 著者らは、982件のスキャン（年齢1〜24ヶ月）を含む、正常および病理的事例とペアになったシミュレーションX線を含む、独自の機関保有小児頭蓋部CTコホートであるPedSkull-CTを構築した。これは、既存の公開ベンチマークにおける小児特有のデータセットの不足に対処するものである。
3. 性能と効率性: 本手法は、3つの公開ベンチマークおよび独自の小児コホートにおいて、最先端（SOTA）の性能を達成した。決定的なことに、単一ステップのアーキテクチャ固有の高推論効率を維持しながら、拡散ベースの手法を凌駕しており、臨床展開に適している。

実験結果

著者らは、3つの公開ベンチマーク（LIDC-IDRI, CTSpine1K, CTPelvic1K）および独自のPedSkull-CTコホートを用いてPSCT-Netを評価した。

• 公開ベンチマーク: LIDC-IDRIにおいて、PSCT-Netは27.18 dBのPSNRを達成し、拡散ベースのDiffuX2CTを0.83 dB上回った。CTPelvic1Kでは33.06 dBを達成し、2番目に優れた手法を1.35 dB上回った。これらの結果は、多様な解剖学的領域における堅牢な汎化性能を示している。
• PedSkull-CT: 独自の小児コホートにおいて、PSCT-Netはすべてのベースラインを上回り、2番目に優れた手法（X2CT-GAN）に対してPSNRで1.28 dB、SSIMで0.022の向上を示した。
• アブレーション研究: 各モジュールが性能に寄与することを確認した。特に、BiM-3Dモジュール単体で最大の利得（+1.04 dB）をもたらし、グローバル・コンテキスト・モデリングの重要性が浮き彫りとなった。フルモデルが最良の結果を得たことは、幾何学的事前知識と長距離モデリングの相補性を裏付けている。
• 実世界への汎化: モデルは、学習中に未知であった実際の臨床X線からボリュームの再構成に成功し、下顎の曲線や眼窩の深さといった患者固有の特徴を保持した。

意義と限界

本論文は、幾何学認識型の再構成が低線量小児イメージングへの実行可能な道筋を提供すると主張している。取得ジオメトリを明示的にモデル化することで、PSCT-Netは2D-to-3Dのリフティングにおける「ブラックボックス」的な変換を回避し、それによって解剖学的な幻覚を減少させ、重要な微細構造を保持する。

著者らは限界についても認めている。本手法はグローバルな幾何学構造と主要な骨構造を高精度に復元するが、固定されたボクセル解像度のため、サブミリメートル単位の詳細（微細な頭蓋縫合線など）の解決には依然として課題が残る。今後の展望として、より微細な詳細を復元するためのパッチベースの精緻化や、Implicit Neural Representations（暗黙的ニューラル表現）または3D Gaussian primitives（3Dガウス・プリミティブ）の導入、および頭蓋縫合早期閉鎖症の診断に関する読影研究を通じた検証が提案されている。