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

Each language version is independently generated for its own context, not a direct translation.

Imagine que você é um médico radioterapeuta. Para tratar um paciente com câncer, você precisa de um mapa de alta precisão do corpo dele, chamado Tomografia Computadorizada (CT). Esse mapa é perfeito: mostra exatamente onde estão os ossos e órgãos, e tem números precisos que dizem quanto o raio-X é absorvido por cada tecido. É como um mapa de estradas com a velocidade exata de cada carro.

O problema é que, na sala de tratamento, a máquina só consegue tirar um tipo de foto diferente, chamada CBCT. A CBCT é como tirar uma foto com uma câmera antiga e barata: ela é rápida e você pode tirar várias durante o tratamento, mas a imagem fica cheia de "ruído", borrada e com cores distorcidas. Se você tentar usar essa foto ruim para calcular a dose de radiação, pode errar e prejudicar o paciente.

A solução ideal seria transformar essa foto ruim (CBCT) em uma foto perfeita (CT) usando Inteligência Artificial. Mas aqui está o grande desafio: não temos fotos perfeitas e ruins do mesmo paciente no mesmo momento. É como tentar ensinar alguém a desenhar um retrato perfeito mostrando apenas uma foto borrada de um lado e uma foto perfeita de uma pessoa diferente do outro lado.

O Problema: "Casamentos" Errados

Antes, os cientistas tentavam ensinar a IA a fazer essa transformação de duas formas principais:

GANs (Redes Adversariais): Como um jogo de "falso ou verdadeiro" entre dois jogadores. É poderoso, mas muito instável. Às vezes, a IA "alucina" e cria órgãos que não existem.
Métodos de Difusão: Como um processo de desbloquear uma imagem pixel por pixel. É lento e complexo.

O novo método deste artigo, chamado RAFM, tenta resolver isso de uma forma mais calma e lógica, usando algo chamado "Fluxo Retificado".

A Solução: O "Detetive de Semelhança" (RAFM)

O grande segredo do RAFM é como ele decide qual imagem perfeita usar para ensinar a IA a corrigir a imagem ruim.

Imagine que você tem uma sala cheia de fotos borradas (CBCT) e uma biblioteca gigante de fotos perfeitas (CT), mas elas não estão emparelhadas.

O jeito antigo (Aleatório): A IA pegava uma foto borrada e, sem pensar muito, escolhia uma foto perfeita aleatória da biblioteca para tentar imitar. O problema? Ela podia pegar uma foto borrada de um homem e tentar transformá-la em uma foto perfeita de uma mulher. O resultado seria um monstro com partes de ambos.
O jeito RAFM (O Detetive): O RAFM usa um "detetive" (uma IA chamada DINOv3) que olha para a foto borrada e diz: "Espere, essa foto borrada tem a forma do quadril e a textura de um osso específico. Vamos procurar na biblioteca a foto perfeita que mais se parece com essa estrutura específica, mesmo que seja de outra pessoa."

O RAFM cria um "banco de memória" gigante de fotos perfeitas. Quando a IA vê uma foto borrada, ela vai ao banco, usa o "detetive" para encontrar a foto perfeita mais parecida em termos de estrutura e forma, e usa essa como guia.

A Analogia da "Ponte Direta"

Pense na transformação como construir uma ponte entre duas ilhas:

Ilha A: Imagens Borradas (CBCT).
Ilha B: Imagens Perfeitas (CT).

O método antigo tentava construir a ponte saltando aleatoriamente de um ponto na Ilha A para um ponto na Ilha B. Muitas vezes, você pularia de uma montanha para um vale, criando uma ponte instável e torta.

O RAFM usa o "detetive" para encontrar o ponto exato na Ilha B que corresponde à montanha na Ilha A. Assim, ele constrói uma ponte reta, direta e estável. Como a ponte é reta e direta, a IA aprende mais rápido, com menos erros e sem precisar de "casamentos" perfeitos (dados pareados) entre os pacientes.

Por que isso é incrível?

Sem "Casamentos" Necessários: Não precisa que a foto ruim e a boa sejam do mesmo paciente no mesmo dia. Isso é ótimo porque, na vida real, é quase impossível conseguir isso.
Anatomia Preservada: Como o "detetive" garante que a estrutura seja parecida, o resultado final mantém o formato correto do corpo do paciente. Não aparecem ossos extras ou órgãos sumindo.
Velocidade e Estabilidade: É mais rápido e confiável do que os métodos antigos que usavam jogos de "falso ou verdadeiro".

O Resultado Final

Os testes mostraram que o RAFM consegue transformar as fotos borradas em mapas perfeitos com uma precisão impressionante. Ele consegue "limpar" a imagem, corrigir os números errados e manter a anatomia do paciente intacta, tudo isso aprendendo apenas com fotos que não foram tiradas juntas.

Em resumo: O RAFM é como ter um tradutor inteligente que, mesmo sem ter o dicionário perfeito lado a lado, consegue entender o contexto e traduzir uma mensagem confusa em uma mensagem clara e precisa, apenas procurando as palavras mais parecidas no seu vocabulário gigante.

Each language version is independently generated for its own context, not a direct translation.

Título: RAFM: Correspondência de Fluxo Aumentada por Recuperação para Tradução Não Pareada de CBCT para CT

1. Problema e Motivação

Contexto Clínico: A Tomografia Computadorizada (CT) é o padrão-ouro para o planejamento de radioterapia devido à precisão dos seus valores de Unidade Hounsfield (HU), essenciais para o cálculo de dose. A Tomografia Computadorizada de Feixe Cônico (CBCT), adquirida rotineiramente durante o tratamento, sofre de artefatos severos e valores de HU imprecisos, limitando seu uso direto para cálculo de dose.
Desafio: A geração de CT Sintética (sCT) a partir de CBCT é uma tarefa crucial. No entanto, a obtenção de dados pareados (CBCT e CT do mesmo paciente no mesmo momento) é extremamente difícil devido a lacunas temporais, variações anatômicas e erros de registro.
Limitação das Abordagens Atuais:
- Métodos baseados em GANs (Redes Adversariais Generativas) sofrem com instabilidade no treinamento e sensibilidade ao balanceamento de perdas.
- Métodos baseados em Difusão/Schrödinger Bridge exigem pipelines complexos e podem ainda envolver componentes adversariais.
- Fluxo Retificado (Rectified Flow - RF): Embora teoricamente compatível com aprendizado não pareado (ao modelar transporte determinístico entre distribuições), sua aplicação prática em conjuntos de dados médicos pequenos e com batch sizes reduzidos é problemática. O pareamento aleatório ou local (dentro do batch) gera pares de extremidades semanticamente incompatíveis, introduzindo ruído no transporte e prejudicando a preservação da anatomia.

2. Metodologia: RAFM

O artigo propõe o RAFM (Retrieval-Augmented Flow Matching), uma abordagem não adversarial que aprimora o Fluxo Retificado para cenários médicos com dados limitados.

2.1. Fundamentação Teórica (Fluxo Retificado)

O RF modela a tradução como um transporte determinístico entre duas distribuições ( $\pi_{cbct}$ e $\pi_{ct}$ ). Ele aprende um campo de velocidade $v_\theta(x, t)$ que define uma Equação Diferencial Ordinária (ODE):
$\frac{dx_t}{dt} = v_\theta(x_t, t)$
O objetivo é mapear linearmente o ponto inicial $x_0$ (CBCT) para o ponto final $x_1$ (CT) ao longo do tempo $t \in [0, 1]$ . O treinamento minimiza a diferença entre a velocidade aprendida e a velocidade alvo ( $x_1 - x_0$ ).

2.2. O Desafio do Pareamento em Dados Médicos

Em conjuntos de dados pequenos e com batches reduzidos, o pareamento aleatório de amostras de CBCT e CT (necessário para calcular a velocidade alvo) frequentemente emparelha estruturas anatômicas diferentes (ex: um fêmur de um paciente com uma bacia de outro). Isso cria um "ruído de transporte" que degrada a qualidade da imagem gerada.

2.3. Solução: Acoplamento Aumentado por Recuperação

Para mitigar o ruído sem exigir dados pareados reais, o RAFM introduz uma estratégia de recuperação global:

Memória Global de CT: Um banco de dados (memory bank) armazena características de slices de CT.
Codificador Congelado (DINOv3): Um encoder DINOv3 congelado extrai embeddings de características para cada slice de CT e CBCT.
Recuperação Guiada: Para cada slice de CBCT no batch atual, o sistema busca no banco de memória global o slice de CT mais similar em termos de características (usando similaridade de cosseno).
Construção de Pares Pseudo-Pareados: O slice de CBCT e o slice de CT recuperado formam um par de extremidades $(x_0, x_1)$ $(x_{0}, x_{1})$ para o treinamento do fluxo.
- Nota: Isso não usa identidade do paciente ou correspondência temporal, mantendo o framework estritamente não pareado, mas melhora a qualidade empírica do acoplamento.

2.4. Arquitetura e Treinamento

Rede: Um U-Net condicionado ao tempo para prever a velocidade.
Treinamento: Otimização da perda de regressão da velocidade sobre os pares recuperados.
Inferência: Resolução da ODE aprendida de $t=0$ a $t=1$ usando integração de Euler (10 passos).

3. Contribuições Principais

Introdução do RF em Tradução Médica Não Pareada: Adaptação do Fluxo Retificado para o domínio de imagens médicas, abordando especificamente os desafios de conjuntos de dados pequenos.
Estratégia RAFM: Proposta de um mecanismo de recuperação global baseado em aprendizado profundo (DINOv3) para construir pares pseudo-pareados semanticamente consistentes, superando as limitações do pareamento aleatório ou local.
Validação Rigorosa: Avaliação sob um protocolo estrito de "não pareado verdadeiro" (true-unpaired) no nível do sujeito, onde nenhum paciente tem dados de CBCT e CT simultaneamente no conjunto de treinamento.

4. Resultados Experimentais

Os experimentos foram realizados no conjunto de dados SynthRAD2023 (bacia pélvica).

Comparação: O RAFM foi comparado com métodos baseados em GAN (CycleGAN, GcGAN, CUT) e Difusão/Ponte de Schrödinger (SynDiff, UNSB).
Métricas de Desempenho:
- MAE (Erro Absoluto Médio): RAFM obteve 101.2 HU (o menor erro), superando SynDiff (104.2) e UNSB (110.8).
- SSIM e PSNR: Melhorou a similaridade estrutural e a relação sinal-ruído (80.96% e 25.15 dB, respectivamente).
- FID (Distância de Inception Fréchet): RAFM alcançou o menor FID (53.29), indicando a maior realismo distribucional entre todos os métodos.
- SegScore (Consistência Anatômica): Com 75.77%, o RAFM superou significativamente os concorrentes, demonstrando melhor preservação da anatomia dos órgãos pélvicos segmentados.
Estudo de Ablação:
- Um U-Net padrão sem Fluxo de Fluxo falhou completamente em cenários não pareados (FID 209.8).
- O RF com pareamento aleatório funcionou, mas o RAFM (com recuperação) melhorou consistentemente todas as métricas.
- O tamanho do banco de memória ( $K$ ) mostrou que $K=512$ ofereceu o melhor equilíbrio, com retornos decrescentes para tamanhos maiores.

5. Significado e Impacto

Estabilidade e Qualidade: O RAFM demonstra que é possível realizar tradução de imagens médicas de alta qualidade sem dados pareados, superando a instabilidade das GANs e a complexidade dos modelos de difusão.
Eficiência Computacional: O método é mais rápido na inferência do que os modelos de difusão (apenas 10 passos de ODE) e evita a necessidade de geradores duplos e restrições de consistência cíclica das GANs.
Viabilidade Clínica: Ao preservar a anatomia do paciente e corrigir artefatos de HU, o RAFM abre caminho para o uso direto de CBCT em cálculos de dose de radioterapia adaptativa, mesmo na ausência de CTs de referência pareados para cada paciente.

Em resumo, o RAFM preenche uma lacuna crítica na tradução de imagens médicas, combinando a teoria do transporte ótimo (Fluxo Retificado) com técnicas modernas de recuperação de características para superar as limitações de dados em ambientes clínicos reais.