EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis

기술 요약: EPC-3D-Diff

문제 제기
현대 방사선 치료에서 환자 위치 확인을 위해 원뿔빔 CT(CBCT) 가 routinely 획득되지만, 산란, 노이즈, 빔 경화, 그리고 재구성 아티팩트로 인해 상당한 화질 저하를 겪습니다. 이러한 문제들은 부정확한 후즈 단위 (HU) 값과 감소된 연조직 대비를 초래하여, CBCT 를 직접적인 선량 계산 및 적응형 방사선 치료 워크플로우에 사용하기 어렵게 만듭니다. 합성 CT(sCT) 를 CBCT 로부터 생성하는 것은 중요한 해결책이지만, 기존 방법들은 한계에 직면해 있습니다: 지도 학습 CNN 은 종종 세부 사항을 과도하게 평활화하고, 생성적 적대 신경망 (GAN) 은 비현실적인 고주파 세부 사항을 도입하고 훈련 불안정을 겪으며, 최근의 조건부 확산 모델은 안정적이지만 주로 이미지 도메인에서 작동하며 근본적인 획득 물리학과 명시적으로 측정 일관성을 강제하지는 않습니다. 더 나아가, 이러한 모델들은 종종 다른 스캐너 기하학적 구조와 도메인 이동에 걸쳐 일반화하는 데 어려움을 겪습니다.

방법론
저자들은 획득 물리학을 확산 과정에 직접 통합하여 CBCT 입력으로부터 고충실도 CT 볼륨을 합성하도록 설계된 EPC-3D-Diff(Equivariant Physics Consistent Conditional 3D Latent Diffusion, 등변 물리 일관성 조건부 3D 잠재 확산) 프레임워크를 제안합니다.

1. 3D 잠재 공간 확산: 볼륨 데이터를 효율적으로 처리하기 위해, 이 방법은 경량 3D 오토인코더 (AE) 가 학습한 컴팩트한 잠재 공간에서 작동합니다. AE 는 평면 해상도를 다운샘플링하면서 축 방향 깊이는 보존합니다. 분산 보존 확산 공식을 따르는 조건부 3D U-Net 은 인코딩된 CBCT 잠재 표현 ($z_c$) 에 조건을 부여하여 이 잠재 공간 내의 노이즈를 예측합니다.
2. 투영 도메인 등변성: 핵심 혁신은 CT 전방 모델에서 유도된 물리 일관성 등변성 손실입니다. 이 프레임워크는 볼륨의 평면 내 회전이 투영의 각도 이동에 해당한다는 물리적 성질을 활용합니다.
   • 훈련 중, 합성된 CT 볼륨 ($\hat{x}_0$) 은 회전 ($R_\phi$) 되고 CT 연산자 ($A_0$) 를 사용하여 전방 투영됩니다.
   • 이는 각도 이동 ($T_\phi$) 된 실제 CT 투영 ($y_0$) 과 비교됩니다.
   • 손실 ($L_{eq}$) 은 이러한 투영 도메인 간의 $L_2$-노름을 최소화합니다: $\sum \|T_\phi(y_0) - A_0 R_\phi(\hat{x}_0)\|^2$.
   • 이론적으로, 이는 획득 대칭성을 위반하는 해를 처벌하고 중간 확산 샘플을 등변 부분 다양체 (equivariant sub-manifold) 로 투영하는 물리 정보 사전 역할을 합니다.
3. 복합 훈련 목적 함수: 전체 손실은 표준 확산 목적 함수 ($L_{DDPM}$) 와 투영 등변성 손실 ($L_{eq}$) 및 보완적인 이미지 도메인 손실들을 결합합니다: 볼륨 정확도를 위한 $L_1$, 구조적 에지를 위한 기울기 손실 ($L_{edge}$), 그리고 고주파 세부 사항을 위한 라플라시안 손실 ($L_{lap}$).
4. 추론: 테스트 시, 모델은 결정론적 DDIM 업데이트를 사용하여 연산자 없는 추론을 수행합니다. 이는 CBCT 입력만 필요로 하므로 임상 배포에 있어 계산적으로 효율적입니다.

주요 기여

• 물리 일관성 등변성: 이 논문은 생성 모델을 이미지 통계가 아닌 CT 획득의 물리학 (베르의 법칙 및 전방 연산자) 에 직접 연결하는 투영 도메인에서의 회전 등변성을 강제하는 새로운 손실 함수를 도입합니다.
• 3D 잠재 조건부 확산: 이 프레임워크는 잠재 확산을 통한 확장 가능한 3D 볼륨 합성과 aforementioned 물리 제약을 결합하여 3D 의료 영상 계산의 과제를 해결합니다.
• 도메인 이동에 대한 강건성: 획득 물리학을 귀납적 편향으로 통합함으로써, 이 모델은 표준 이미지 도메인 확산 모델에 비해 다양한 스캐너 기하학적 구조와 혼합 도메인 훈련 시나리오에서 더 잘 일반화하도록 설계되었습니다.

실험 결과
이 방법은 두 개의 두경부 데이터셋에서 검증되었습니다: NWH 팬텀 데이터셋 (10 명 환자) 과 JUST 임상 데이터셋 (14 명 환자). 평가에는 단일 도메인 및 혼합 도메인 (다중 스캐너) 훈련 체계가 포함되었습니다.

• 정량적 성능: EPC-3D-Diff 는 최첨단 베이스라인 (CycleGAN 및 기준 조건부 확산 모델인 C-DDPM) 을 크게 능가했습니다.
  • 팬텀 데이터: 혼합 도메인 훈련에서 C-DDPM 대비 PSNR 이 +7.4 dB 향상되었습니다 (38.44 dB 대 31.00 dB) 및 SSIM 은 0.99 였습니다.
  • 임상 데이터: C-DDPM 대비 PSNR 이 +1.8 dB 향상되었습니다.
  • 이 방법은 또한 베이스라인에 비해 조직 경계 내에서 우수한 HU 정확도와 더 낮은 변동성을 보여주었습니다.
• 정성적 성능: 시각적 비교는 이질적인 영역에서 특히 날카로운 해부학적 경계와 HU 의존적 왜곡이 적은 것을 보여주었습니다.
• 효율성: 주기적인 전방 투영으로 인해 훈련 시 약간의 오버헤드 (전체 시간의 15% 미만) 가 발생하지만, 투영 연산이 필요하지 않아 추론은 빠릅니다 (환자당 58 초).

의의
이 논문은 EPC-3D-Diff 가 CBCT-to-CT 합성의 강건성과 물리 일관성을 개선한다고 주장하며, 이는 정확한 HU 값을 필요로 하는 선량 계산을 위한 하류 방사선 치료 워크플로우에 필수적입니다. 획득 물리학을 구조적 귀납적 편향으로 내재화함으로써, 이 접근법은 순전히 데이터 주도 방법의 한계를 해결하여 복잡한 연산자 기반 수정 없이 제한된 훈련 데이터와 도메인 이동 하에서도 잘 일반화되는 해결책을 제공합니다.