VS-DDPM: Efficient Low-Cost Diffusion Model for Medical Modality Translation

Resumo Técnico: VS-DDPM – Modelo de Difusão de Baixo Custo e Eficiente para Tradução de Modalidades Médicas

1. O Problema

A tradução de modalidades de imagem médica (como converter MRI para CT sintético ou preencher modalidades ausentes) é crucial para o planejamento de radioterapia e diagnósticos rápidos. No entanto, os Modelos de Difusão Probabilística de Denoising (DDPMs) tradicionais enfrentam dois grandes obstáculos no contexto clínico:

• Lentidão na Inferência: O processo de amostragem baseado em cadeias de Markov exige centenas ou milhares de passos, o que é computacionalmente caro e lento para volumes 3D.
• Restrições de Hardware: Em ambientes hospitalares, o acesso a GPUs de alto desempenho é limitado, exigindo modelos que se adaptem a diferentes capacidades de processamento e tempos de execução (ex: limite de 15 minutos por caso).

2. Metodologia (VS-DDPM)

Os autores propõem o Variable-Step Denoising Diffusion Probabilistic Model (VS-DDPM), um framework projetado para equilibrar qualidade generativa e eficiência computacional.

• Abordagem de Passos Variáveis (Variable-Step): Diferente dos modelos padrão que usam um número fixo de passos de amostragem, o VS-DDPM é treinado para suportar múltiplos conjuntos de passos (ex: de 5 a 300 passos). Isso permite que o modelo ajuste o número de passos de inferência ($T$) com base no tempo disponível e na potência da GPU, utilizando uma fórmula de interpolação para maximizar a eficiência sem exceder o limite de tempo.
• Arquitetura: Foram testadas as arquiteturas 3D Swin-ViT e 3D U-Net. Devido ao tamanho volumétrico das imagens, utilizou-se um treinamento baseado em patches e uma abordagem de janela deslizante (sliding-window) para a inferência.
• Funções de Perda (Loss Functions):
  • Para tarefas de BraTS (remoção de tumor e modalidades ausentes): Utilizou-se uma combinação de $L_{MAE}$ (Erro Absoluto Médio), $L_{MSE}$ (Erro Quadrático Médio), $1 - L_{SSIM}$ (Similitude Estrutural) e o termo de limite inferior variacional ($L_{VLB}$).
  • Para tarefas de SynthRAD (MRI/CBCT para sCT): Implementou-se uma abordagem de duas fases, introduzindo a perda AFP (Anatomical Feature-Prioritized) para refinamento anatômico.
• Pré-processamento: Incluiu registro deformável, aumentação de dados (rotações, distorções de grade, ruído Gaussiano) e normalização via z-scoring para garantir estabilidade entre diferentes centros médicos.

3. Principais Contribuições

1. Flexibilidade de Inferência: A capacidade de adaptar o número de passos de amostragem ao hardware disponível sem necessidade de novo ajuste fino (fine-tuning).
2. Eficiência de Recursos: Otimização para rodar em GPUs de nível de entrada (como a NVIDIA T4), mantendo a viabilidade clínica.
3. Versatilidade de Tarefas: Um único framework capaz de realizar quatro tarefas distintas: síntese de MRI ausente, remoção de tumor, conversão de MRI para CT sintético (sCT) e conversão de CBCT para sCT.

4. Resultados

O modelo foi testado nos desafios BraTS2025 e SynthRAD2025:

• Síntese de MRI Ausente (SOTA): Alcançou desempenho de estado da arte com scores Dice de 0.80 (tumor realçado), 0.83 (núcleo do tumor) e 0.88 (tumor total), além de um SSIM de 0.95.
• Remoção de Tumor (SOTA): Empatou com os melhores modelos no ranking, apresentando reconstruções visualmente mais nítidas e preservando detalhes de alta frequência em comparação com métodos que causam excesso de suavização (oversmoothing).
• Tradução MRI/CBCT para sCT: Apresentou resultados competitivos, embora não tenha atingido o topo absoluto (SOTA) nestas tarefas específicas. No caso do CBCT para sCT, a abordagem de passos variáveis mostrou-se superior aos passos fixos.

5. Significância

O VS-DDPM representa um avanço importante para a aplicação prática de modelos de difusão na medicina. Ao resolver o gargalo da velocidade de inferência através da estratégia de passos variáveis, o trabalho demonstra que é possível obter imagens de alta fidelidade que são úteis para o fluxo de trabalho clínico real, onde o tempo e o poder computacional são recursos escassos. O modelo oferece uma solução robusta e ajustável para a medicina de precisão e radioterapia adaptativa.