Cross-Distribution Diffusion Priors-Driven Iterative Reconstruction for Sparse-View CT

Título: Reconstrução Iterativa para CT de Visão Esparsa Impulsionada por Priors de Difusão Cross-Distribution

1. O Problema

A Tomografia Computadorizada de Visão Esparsa (SVCT - Sparse-View CT) é uma estratégia crucial para reduzir a dose de radiação e acelerar a aquisição de imagens, sendo particularmente relevante em cenários como a Tomografia por Contagem de Fótons (PCCT) e exames de extremidades. No entanto, a redução no número de projeções angulares introduz artefatos severos (como listras e perda de detalhes) e torna o problema de reconstrução mal-posto.

O principal desafio abordado neste trabalho é o desempenho em cenários fora da distribuição (OOD - Out-of-Distribution). Modelos de aprendizado de máquina existentes (baseados em CNNs, Transformers ou Difusão) tendem a degradar significativamente quando os dados de teste diferem dos dados de treinamento em termos de:

• Scanner: Diferentes fabricantes (ex: Siemens vs. GE).
• Protocolo: Variações nos parâmetros de aquisição.
• Anatomia: Diferentes focos anatômicos (ex: abdômen vs. coração).

Essas discrepâncias podem levar a "alucinações" (estruturas visualmente plausíveis, mas clinicamente incorretas) ou falhas na preservação de detalhes finos, comprometendo o diagnóstico.

2. Metodologia Proposta: CDPIR

Os autores propõem o CDPIR (Cross-Distribution Diffusion Priors-Driven Iterative Reconstruction), um framework que integra priors generativos avançados com métodos iterativos baseados em modelos físicos.

Componentes Principais:

1. Backbone de Difusão (SiT):

   • Utiliza o Scalable Interpolant Transformer (SiT), uma extensão da arquitetura Diffusion Transformer (DiT).
   • Diferente dos modelos baseados em Score (SGMs) que aprendem a função de pontuação, o SiT aprende um campo de velocidade sob uma formulação de interpolante estocástico. Isso oferece um controle mais explícito sobre a trajetória de denoising (de ruído para dados), melhorando a estabilidade numérica e a fidelidade.

2. Guia Livre de Classificador (CFG) para Priors Cross-Distribution:

   • O modelo é treinado com múltiplos conjuntos de dados (ex: AAPM, COCA) usando tokens de domínio.
   • Durante o treinamento, aplica-se o CFG com dropout aleatório do token de condição (substituindo-o por um token nulo).
   • Mecanismo de Aprendizado: Isso força o modelo a aprender duas representações complementares:
     • Ramo Incondicional (Nulo): Aprende estruturas anatômicas invariantes ao domínio (ex: forma do coração, ossos, pulmões) que são compartilhadas entre todos os dados.
     • Ramo Condicional: Aprende características específicas do domínio (textura, ruído, nitidez de bordas).
   • Na inferência, a combinação desses ramos permite que o modelo generalize para domínios não vistos, mantendo a estrutura anatômica correta enquanto adapta a aparência local.

3. Reconstrução Iterativa com Consistência de Dados:

   • O prior de difusão não é usado isoladamente. Ele é integrado em um pipeline iterativo que alterna entre:
     • Atualização do Prior de Difusão: Refina a imagem removendo ruído e artefatos.
     • Consistência de Dados (ASD-POCS): Utiliza o método Adaptive Steepest Descent Projection Onto Convex Sets com Regularização de Variação Total (iTV) para garantir que a imagem reconstruída seja consistente com as projeções medidas (sinograma).
   • Isso restringe as refinamentos generativos apenas à incerteza permitida pelos dados medidos, suprimindo alucinações.

3. Contribuições Chave

• Unificação de Frameworks: É a primeira abordagem a unificar difusão condicional, amostragem de interpolante estocástico e atualizações guiadas por resíduo em um único framework iterativo para SVCT.
• Generalização OOD Robusta: O uso de CFG com dropout de tokens cria um prior de difusão "cross-distribution" que supera significativamente os métodos atuais em cenários de mudança de domínio (scanner/protocolo).
• Arquitetura Escalável: A adoção do SiT permite escalar a capacidade do modelo para capturar dependências de longo alcance e contextos globais, superando as limitações de inductive bias das CNNs tradicionais.
• Validação Extensiva: O método foi testado em cinco conjuntos de dados (simulados e clínicos reais), incluindo dados de PCCT de extremidades e cardíacos, demonstrando eficácia tanto em distribuição (ID) quanto fora de distribuição (OOD).

4. Resultados Experimentais

Os resultados demonstram que o CDPIR supera os State-of-the-Art (SOTA), incluindo métodos baseados em CNN (RED-CNN, Restormer) e outros modelos de difusão (DiffusionMBIR, DDS, DDIP3D).

• Desempenho Quantitativo:
  • Em cenários OOD (ex: treinar em AAPM, testar em XCAT ou COCA), o CDPIR manteve métricas de alta qualidade (PSNR, SSIM) com degradação mínima, enquanto os baselines sofreram quedas drásticas.
  • No conjunto de dados clínico GE (zero-shot), o CDPIR superou o ASD-POCS em +0.78 dB de PSNR e +0.09 em SSIM.
  • No conjunto de dados PCCT de extremidades (alto deslocamento de domínio), o CDPIR melhorou o PSNR em +3.28 dB em relação ao ASD-POCS.
• Qualidade Visual:
  • Preservação superior de bordas de alta frequência e texturas finas.
  • Supressão eficaz de artefatos de listras (streak artifacts) típicos de SVCT.
  • Ausência de "alucinações" estruturais, mantendo a fidelidade aos dados medidos.
• Eficiência e Consistência 3D:
  • Embora baseado em 2D (slice-by-slice), o CDPIR demonstrou consistência inter-slice suave, sem descontinuidades visíveis, superando modelos 2.5D/3D em termos de qualidade e estabilidade.
  • Convergência mais rápida em comparação com VP-SDE, permitindo alta qualidade com menos passos de amostragem (300 passos vs. 1000).

5. Significado e Impacto

O trabalho representa um avanço significativo na reconstrução de imagens médicas, especialmente para aplicações clínicas onde a redução de dose e a velocidade são críticas, mas a variabilidade dos equipamentos e protocolos é um obstáculo.

• Potencial Clínico: O CDPIR oferece uma solução robusta para a implementação prática de PCCT e SVCT em ambientes clínicos heterogêneos, reduzindo a necessidade de retreinamento específico para cada scanner ou protocolo.
• Fundação para Modelos de Base: A abordagem de aprender priores transferíveis entre múltiplos domínios posiciona o CDPIR como um candidato promissor para modelos de base (foundation models) em reconstrução de imagens médicas.
• Segurança Diagnóstica: Ao mitigar o risco de alucinações em cenários mal-postos, o método aumenta a confiança no uso de IA para diagnósticos baseados em imagens de baixa dose ou visão esparsa.

Em resumo, o CDPIR combina a flexibilidade de modelos generativos modernos com a segurança de restrições físicas, resolvendo o dilema entre qualidade de imagem e generalização em tomografia computacional.