CT-DegradBench: A Physics-Informed Benchmark for CT Degradation Detection and Severity Estimation

Resumo Técnico: CT-DegradBench e SeSpeCT

Declaração do Problema
As imagens de Tomografia Computadorizada (TC) são frequentemente comprometidas por artefatos de aquisição, incluindo ruído, desfoque, estriamento, aliasing e artefatos metálicos. Essas degradações originam-se de fontes diversas, como redução de dose, amostragem de visão esparsa, implantes metálicos e movimento do paciente, ocorrendo frequentemente em combinação com níveis variados de severidade. Embora a aprendizagem profunda tenha avançado nas tarefas de restauração de TC (por exemplo, remoção de ruído, redução de artefatos metálicos), a avaliação desses métodos permanece problemática. As avaliações atuais dependem fortemente de métricas de Avaliação de Qualidade de Imagem (IQA) (por exemplo, PSNR, SSIM) que carecem de validade perceptual e clínica consistente entre diversos tipos de degradação. Além disso, os conjuntos de dados existentes são tipicamente projetados para tarefas de restauração isoladas, carecendo de benchmarks unificados que suportem análise sistemática de detecção de degradação, estimativa de severidade e confiabilidade de métricas sob condições controladas de artefatos únicos e mistos.

Metodologia
Os autores abordam essas lacunas por meio de duas contribuições principais: um novo conjunto de dados/benchmark e um novo framework de estimativa.

1. CT-DegradBench (Conjunto de Dados e Benchmark):

   • Geração: O conjunto de dados é construído utilizando modelos de degradação informados pela física aplicados a imagens de TC de referência do Desafio Grand de TC de Baixa Dose do Mayo de 2016. As degradações são simuladas no domínio da projeção (sinograma) ou pela modificação de mapas de atenuação antes da reconstrução via Retroprojeção Filtrada (FBP).
   • Tipos de Degradação: Abrange cinco famílias comuns de artefatos: Ruído (Poisson–Gaussian misto), Perda de Nitidez (desfoque), Estriamento, Aliasing (visão esparsa) e Artefatos Metálicos.
   • Severidade e Misturas: Cada tipo é calibrado em quatro níveis de severidade (L0–L3). Crucialmente, o benchmark inclui configurações de "artefatos mistos" (por exemplo, Desfoque + Ruído, Metal + Ruído) para aproximar degradações compostas clinicamente plausíveis.
   • Metadados: Cada amostra inclui metadados estruturados (tipo de degradação, severidade, ordem da mistura) e prompts em linguagem natural informados por radiologistas para facilitar a avaliação de Modelos de Linguagem e Visão (VLM).

2. SeSpeCT (Estimativa de Degradação de TC Semântico–Espectral):

   • Arquitetura: O SeSpeCT é um framework de múltiplas tarefas projetado para classificação conjunta de tipo de artefato e regressão de severidade. Opera sem ajuste fino específico de tarefa dos modelos fundamentais subjacentes.
   • Ramo de Qualidade Semântica: Utilizando um Modelo de Linguagem e Visão Médico congelado (BioMedCLIP), o método constrói um "eixo de qualidade semântica" no espaço de incorporação. Isso é derivado da diferença normalizada entre as incorporações de prompts de texto informados por radiologia de alta e baixa qualidade. Fatias de TC de entrada são projetadas sobre este eixo para gerar pontuações de qualidade semântica globais e locais.
   • Ramo Espectral: Reconhecendo que certos artefatos (por exemplo, aliasing, estrias) manifestam-se distintamente no domínio da frequência, um ramo espectral extrai características do espectro de magnitude de Fourier usando uma CNN leve e calcula uma razão de energia de alta frequência.
   • Fusão e Predição: Descritores semânticos e espectrais são concatenados e projetados via um MLP. O modelo é treinado com um objetivo de múltiplas tarefas combinando classificação de entropia cruzada, regressão SmoothL1, perda de classificação por pares (para preservar a estrutura ordinal de severidade) e perda contrastiva supervisionada.

Principais Resultados

• Avaliação de IQA e VLMs: Os autores avaliaram métricas clássicas de IQA (PSNR, SSIM, VIF, LPIPS, DISTS) e VLMs congelados (OpenCLIP, MedCLIP, BioMedCLIP, Merlin) no CT-DegradBench. Os resultados indicam que as métricas padrão não são igualmente sensíveis a todas as degradações; por exemplo, o PSNR é responsivo ao ruído, mas menos aos artefatos metálicos, enquanto métricas estruturais capturam melhor o desfoque. Da mesma forma, embora alguns VLMs mostrem correlação monótona com a severidade para certos artefatos (desfoque, estrias), eles têm dificuldade com artefatos metálicos e degradações mistas.
• Desempenho do SeSpeCT: O SeSpeCT superou consistentemente as linhas de base de VLMs congelados e métricas clássicas em configurações de degradação única e mista.
  • Estimativa de Severidade: O SeSpeCT alcançou uma correlação de Spearman média de 0,780 para degradações únicas e 0,710 para misturas, superando significativamente a melhor linha de base (BioMedCLIP em 0,665). Melhorias notáveis foram observadas para artefatos metálicos, onde a correlação melhorou de <0,12 para 0,435.
  • Classificação: O modelo alcançou alta precisão (0,783) e pontuações F1 (0,776) para classificação de degradação.
  • Ablação: A remoção do ramo semântico causou uma queda catastrófica no desempenho (precisão para 0,151), destacando a necessidade do prior semântico derivado de prompts. A remoção do ramo espectral também degradou o desempenho, confirmando a natureza complementar das pistas do domínio da frequência.

Significado e Alegações
O artigo alega fornecer o primeiro benchmark unificado para analisar como diferentes degradações e níveis de severidade afetam a qualidade da imagem de TC, abordando a falta de avaliação padronizada para detecção de degradação e estimativa de severidade. Ao introduzir o CT-DegradBench, os autores permitem a avaliação sistemática da sensibilidade à degradação e da confiabilidade de métricas sob condições controladas, incluindo cenários complexos de artefatos mistos frequentemente encontrados na prática clínica.

O framework SeSpeCT proposto demonstra que a combinação de priores semânticos livres de treinamento de VLMs médicos com características do domínio da frequência produz uma representação robusta para análise de degradação de TC. Os autores afirmam que essa abordagem oferece uma representação mais confiável e monótona da severidade da degradação do que métricas existentes ou características de VLMs congelados isoladamente, particularmente para artefatos localizados e compostos. O trabalho visa apoiar protocolos de avaliação e avaliação de qualidade mais confiáveis para futuros pipelines de restauração e análise de TC.