EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis

Resumo Técnico: EPC-3D-Diff

Enunciado do Problema
Na radioterapia moderna, a Tomografia Computadorizada de Feixe Cônico (CBCT) é adquirida rotineiramente para posicionamento do paciente, mas sofre degradação significativa da qualidade da imagem devido a espalhamento, ruído, endurecimento do feixe e artefatos de reconstrução. Essas questões levam a valores de Unidade Hounsfield (HU) imprecisos e a um contraste reduzido dos tecidos moles, tornando a CBCT inadequada para cálculos de dose diretos e fluxos de trabalho de radioterapia adaptativa. Embora a geração de CT sintético (sCT) a partir de CBCT seja uma solução crítica, os métodos existentes enfrentam limitações: as CNNs supervisionadas frequentemente suavizam excessivamente os detalhes; as Redes Adversariais Generativas (GANs) podem introduzir detalhes de alta frequência irreais e sofrer com instabilidade no treinamento; e os recentes modelos de difusão condicional, embora estáveis, operam principalmente no domínio da imagem sem impor explicitamente a consistência de medição com a física subjacente da aquisição. Além disso, esses modelos frequentemente têm dificuldade em generalizar entre diferentes geometrias de scanners e deslocamentos de domínio.

Metodologia
Os autores propõem o EPC-3D-Diff (Difusão Latente 3D Condicional Equivariante e Consistente com a Física), um framework projetado para sintetizar volumes de CT de alta fidelidade a partir de entradas de CBCT, integrando a física da aquisição diretamente no processo de difusão.

1. Difusão no Espaço Latente 3D: Para lidar com dados volumétricos de forma eficiente, o método opera em um espaço latente compacto aprendido por um autoencoder (AE) 3D leve. O AE reduz a resolução no plano enquanto preserva a profundidade axial. Uma U-Net 3D condicional prevê ruído neste espaço latente, condicionada à representação latente codificada da CBCT ($z_c$), seguindo uma formulação de difusão que preserva a variância.
2. Equivariância no Domínio da Projeção: A inovação central é uma perda de equivariância consistente com a física derivada do modelo direto de CT. O framework explora a propriedade física de que uma rotação no plano de um volume corresponde a um deslocamento angular em suas projeções.
   • Durante o treinamento, o volume de CT sintetizado ($\hat{x}_0$) é rotacionado ($R_\phi$) e projetado para frente usando o operador de CT ($A_0$).
   • Isso é comparado às projeções de CT de verdade ($y_0$) que foram deslocadas angularmente ($T_\phi$).
   • A perda ($L_{eq}$) minimiza a norma $L_2$ entre esses domínios de projeção: $\sum \|T_\phi(y_0) - A_0 R_\phi(\hat{x}_0)\|^2$.
   • Teoricamente, isso atua como um prior informado pela física, penalizando soluções que violam a simetria de aquisição e projetando amostras intermediárias de difusão em uma sub-variedade equivariante.
3. Objetivo de Treinamento Composto: A perda total combina o objetivo padrão de difusão ($L_{DDPM}$) com a perda de equivariância de projeção ($L_{eq}$) e perdas complementares no domínio da imagem: $L_1$ para precisão de voxel, perda de gradiente ($L_{edge}$) para bordas estruturais e perda de Laplaciano ($L_{lap}$) para detalhes de alta frequência.
4. Inferência: No momento do teste, o modelo realiza inferência livre de operadores usando atualizações DDIM determinísticas. Requer apenas a entrada de CBCT, tornando-o computacionalmente eficiente para implantação clínica.

Principais Contribuições

• Equivariância Consistente com a Física: O artigo introduz uma função de perda inovadora que impõe equivariância rotacional no domínio da projeção, ligando diretamente o modelo generativo à física da aquisição de CT (Lei de Beer e operadores diretos) em vez de apenas estatísticas de imagem.
• Difusão Condicional Latente 3D: O framework combina síntese volumétrica 3D escalável via difusão latente com as restrições de física mencionadas acima, abordando os desafios computacionais da imagem médica 3D.
• Robustez a Deslocamentos de Domínio: Ao integrar a física de aquisição como um viés indutivo, o modelo é projetado para generalizar melhor entre diferentes geometrias de scanners e cenários de treinamento de domínio misto em comparação com modelos de difusão puramente no domínio da imagem.

Resultados Experimentais
O método foi validado em dois conjuntos de dados de cabeça e pescoço: o conjunto de dados fantasma NWH (10 pacientes) e o conjunto de dados clínico JUST (14 pacientes). As avaliações incluíram regimes de treinamento de domínio único e de domínio misto (multi-scanner).

• Desempenho Quantitativo: O EPC-3D-Diff superou significativamente as bases de comparação mais avançadas (CycleGAN e um modelo de difusão condicional de base, C-DDPM).
  • Dados de Fantasma: Alcançou uma melhoria de +7,4 dB no PSNR em relação ao C-DDPM no treinamento de domínio misto (38,44 dB vs. 31,00 dB) e um SSIM de 0,99.
  • Dados Clínicos: Alcançou uma melhoria de +1,8 dB no PSNR em relação ao C-DDPM.
  • O método também demonstrou precisão superior de HU dentro dos limites dos tecidos e menor variabilidade em comparação com as bases de comparação.
• Desempenho Qualitativo: Comparações visuais mostraram limites anatômicos mais nítidos e menos distorções dependentes de HU, particularmente em regiões heterogêneas.
• Eficiência: Embora o treinamento incorra em uma sobrecarga menor (menos de 15% do tempo total) devido a projeções diretas periódicas, a inferência é rápida (58 segundos por paciente), pois não requer operações de projeção.

Significado
O artigo afirma que o EPC-3D-Diff melhora a robustez e a consistência física da síntese de CBCT para CT, o que é essencial para fluxos de trabalho de radioterapia a jusante que exigem valores de HU precisos para cálculo de dose. Ao incorporar a física de aquisição como um viés indutivo estrutural, a abordagem aborda as limitações de métodos puramente orientados a dados, oferecendo uma solução que generaliza bem sob dados de treinamento limitados e deslocamentos de domínio, sem exigir correções complexas baseadas em operadores durante a inferência.