Lightweight Physics-Aware Zero-Shot Ultrasound Plane-Wave Denoising

Resumo Técnico: Desruído Zero-Shot Leve Consciente da Física para Imagens de Ultrassom por Plano de Onda

Declaração do Problema
A Composição Coerente de Ondas Planas de Ultrassom (CPWC) melhora o contraste da imagem ao combinar ecos de múltiplas transmissões com ângulos de varredura. No entanto, aumentar o número de ângulos de varredura para melhorar a qualidade reduz significativamente a taxa de quadros de imageamento e pode introduzir borrões relacionados ao movimento em cenários dinâmicos. Consequentemente, aquisições de CPWC com baixo número de ângulos são frequentemente necessárias para altas taxas de quadros, mas permanecem altamente suscetíveis a ruído incoerente e artefatos. Embora a desruidação baseada em aprendizado profundo tenha mostrado promessa, abordagens supervisionadas exigem grandes conjuntos de dados pareados de imagens ruidosas e limpas, que raramente estão disponíveis em ambientes clínicos devido à impossibilidade de adquirir uma verdade fundamental verdadeiramente livre de ruído. Métodos auto-supervisionados existentes frequentemente dependem de subamostragem espacial ou estratégias de mascaramento que podem não explorar totalmente as propriedades físicas específicas da aquisição de ultrassom, e muitos ainda exigem grandes volumes de dados de treinamento ou ajuste fino específico de domínio.

Metodologia
Os autores propõem um framework de desruidação zero-shot leve e consciente da física que opera diretamente na amostra de teste sem conjuntos de dados de treinamento externos ou imagens de referência limpas. A inovação central reside em aproveitar as propriedades físicas da aquisição por onda plana para gerar pares de treinamento auto-supervisionados:

1. Particionamento Angular Consciente da Física: Em vez de subamostragem espacial, o método particiona os ângulos de varredura disponíveis de uma imagem composta com baixo número de ângulos em dois subconjuntos disjuntos (por exemplo, ângulos de índice ímpar e par).
2. Geração de Pseudo-Pares: Cada subconjunto é usado para reconstruir uma imagem composta. Embora ambas as imagens compartilhem as mesmas estruturas anatômicas subjacentes, elas possuem diferentes artefatos dependentes do ângulo e componentes de ruído incoerente devido ao número reduzido de transmissões em cada subconjunto.
3. Aprendizado de Resíduo Auto-Supervisionado: Uma Rede Neural Convolucional (CNN) leve é treinada diretamente na imagem de teste usando esses dois subconjuntos reconstruídos como pseudo-pares. A rede aprende a estimar os componentes inconsistentes (ruído e artefatos) entre os subconjuntos.
4. Funções de Perda: O treinamento utiliza uma perda de resíduo simétrica para impor consistência bidirecional entre os subconjuntos e uma perda de consistência baseada em gradiente para garantir que a saída desruída preserve as bordas estruturais e a textura da entrada original, prevenindo o excesso de suavização.
5. Arquitetura: A rede é projetada para eficiência, consistindo de apenas duas camadas de convolução $3 \times 3$ com 48 canais e uma convolução final $1 \times 1$, totalizando menos de 22.000 parâmetros.

Principais Contribuições

• Framework Zero-Shot: Introdução de um framework de desruidação para CPWC que elimina a necessidade de dados de treinamento externos ou imagens de referência limpas.
• Estratégia Consciente da Física: Uma estratégia inovadora de particionamento angular que explora variações de artefatos dependentes do ângulo enquanto preserva estruturas de tecido consistentes, permitindo que a rede distinga anatomia de ruído.
• Design Leve: Desenvolvimento de uma arquitetura CNN eficiente com apenas duas camadas de convolução, permitindo treinamento computacionalmente barato diretamente na amostra de teste.
• Avaliação Abrangente: Validação extensa em conjuntos de dados de simulação, fantoma e in vivo, demonstrando desempenho contra baselines clássicas, supervisionadas e outras auto-supervisionadas.

Resultados Experimentais
O método foi avaliado em três conjuntos de dados:

1. Simulação (PICMUS): O método proposto alcançou a maior Razão Contraste-Ruído (CNR) e CNR generalizada (gCNR) em todas as fileiras de cistos, superando modelos supervisionados (MSLAE, DPWDPM) e baselines auto-supervisionadas (ZS-N2N, N2S, S2S).
2. Dados de Fantoma: O framework demonstrou desempenho superior na preservação de limites de cistos e homogeneidade, alcançando valores de gCNR e CNR mais próximos da referência de alta qualidade de 75 ângulos, superando o BM3D e outros métodos baseados em aprendizado.
3. Dados In Vivo (Artéria Carótida): Em ambas as vistas transversal (CC) e longitudinal (CL), o método produziu as métricas de contraste mais altas e preservou a nitidez da parede do vaso melhor do que abordagens concorrentes. Notavelmente, no conjunto de dados CL, o método proposto alcançou um gCNR de 0,88 e CNR de 3,6 dB, superando até mesmo a referência composta de 75 ângulos.

Em todos os experimentos, o método passou no teste de Kolmogorov–Smirnov (KS), confirmando que as propriedades estatísticas do padrão de speckle foram preservadas e que nenhuma textura artificial foi introduzida. Embora a implementação atual leve aproximadamente 6 segundos por imagem (incluindo treinamento e inferência) em uma NVIDIA RTX 4090, os autores observam que isso ainda não está otimizado para velocidade em tempo real.

Significado e Alegações
O artigo afirma que essa abordagem oferece uma solução robusta e eficiente em dados para reconstrução de ultrassom de alta qualidade, particularmente em cenários com ângulos de aquisição limitados ou falta de dados de treinamento. Ao treinar diretamente na imagem de teste, o método evita problemas de deslocamento de domínio comuns em modelos supervisionados que dependem de dados sintéticos ou de fantoma. Os autores enfatizam que sua estratégia de pareamento consciente da física permite que a rede separe efetivamente informações anatômicas de ruído inconsistente sem exigir ajuste fino específico de domínio. Embora a arquitetura atual não esteja otimizada para implantação em tempo real, os autores sugerem que o pré-treinamento em conjuntos de dados diversos poderia reduzir ainda mais as iterações de treinamento necessárias, abrindo caminho para aplicação clínica online. O trabalho estabelece um caminho promissor para desruidação eficiente de ultrassom que preenche a lacuna entre processamento de sinal clássico e aprendizado profundo sem o ônus da coleta de dados.