Deep Slice Interpolation for Reducing Through-Plane Anisotropy and Noise in Head CT

Resumo Técnico: Interpolação de Fatias Profunda para Redução da Anisotropia e Ruído em TC de Crânio

Definição do Problema
Volumes de tomografia computadorizada (TC) de crânio são tipicamente reconstruídos com resolução intraplano submilimétrica, mas com um espaçamento significativo no plano transversal (2–5 mm). Essa anisotropia degrada as reconstruções multiplanares, introduz artefatos de degrau em visualizações coronais e sagitais, e dificulta medições volumétricas e algoritmos subsequentes que assumem voxels quase isotrópicos. Embora existam métodos de interpolação clássicos (ex: spline cúbica), eles não podem recuperar detalhes anatômicos ausentes das fatias adquiridas. Além disso, abordagens de super-resolução existentes baseadas em aprendizado profundo muitas vezes carecem de comparações sistemáticas de funções de perda dentro de uma arquitetura fixa, e a relação entre interpolação e redução de ruído implícita permanece subexplorada neste contexto específico.

Metodologia
Os autores propõem um sistema de aprendizado profundo para sintetizar uma fatia axial intermediária ($I_{k+1}$) a partir de duas fatias vizinhas ($I_k, I_{k+2}$), efetivamente reduzindo pela metade o espaçamento no plano transversal.

• Arquitetura: O sistema utiliza uma arquitetção U-Net com um codificador EfficientNetV2-S. O codificador é inicializado com pesos pré-treinados no ImageNet (adaptados para entrada de 2 canais), enquanto o decodificador é inicializado do zero. O modelo processa patches de 256 × 256, que são remontados em fatias de 512 × 512 durante a inferência usando uma estratégia de tiling de 13 patches (9 crops centrais sobrepostos + 4 patches de canto).
• Conjunto de Dados: O modelo é treinado no conjunto de dados RSNA 2019 Intracranial Hemorrhage Detection, restrito a TC de crânio sem contraste. Os dados são janelados para [−20 HU, 107 HU] (centro 44 HU, largura 128 HU) e normalizados para [0, 1]. O conjunto de dados é dividido por paciente em conjuntos de treinamento, validação e teste. O conjunto de teste (30 pacientes) é estratificado para garantir a representação de todos os cinco subtipos de hemorragia.
• Avaliação da Função de Perda: Uma avaliação sistemática de onze configurações de perda foi conduzida sob um protocolo de treinamento fixo. O estudo compara:
  • Perdas por pixel: Erro Quadrático Médio (MSE) e Erro Absoluto Médio (L1).
  • Perdas estruturais: Índice de Similaridade Estrutural (SSIM) e SSIM Multiescala (MS-SSIM).
  • Perdas híbridas: Combinações de termos estruturais e de pixel (ex: MS-SSIM + L1).
• Condicionamento Numérico: Os autores identificaram e abordaram a instabilidade de treinamento em perdas da família SSIM. Eles descobriram que as constantes de estabilidade padrão ($K_2 = 0,03$) levam a erros de divisão por zero em regiões cerebrais de baixa variância, causando gradientes NaN. Implementaram duas soluções para o treinamento: aumentar $K_2$ para 0,4 e impor precisão total float32 para as passagens forward do SSIM.
• Protocolo Estatístico: A avaliação é realizada ao nível do paciente (30 pacientes independentes) usando intervalos de confiança de bootstrap não paramétricos e testes de postos sinalizados de Wilcoxon pareados para comparar contra baselines clássicos e modelos pré-treinados de interpolação de quadros de vídeo (VFI) (RIFE, FILM).

Principais Contribuições

1. Benchmarking de Desempenho: O sistema de aprendizado profundo proposto supera a interpolação clássica (spline cúbica, média) e modelos VFI pré-treinados (RIFE, FILM) em todas as métricas estruturais (SSIM, MS-SSIM) em um domínio controlado de TC de crânio.
2. Análise de Função de Perda: O artigo fornece uma avaliação sistemática de funções de perda, identificando o MS-SSIM + L1 (com ponderação de 0,5/0,5) como um padrão robusto e equilibrado. Destaca que nenhuma perda única domina todas as métricas; o L1 minimiza o erro de pixel (MAE), enquanto o MS-SSIM + L1 produz o maior PSNR.
3. Insights de Estabilidade de Treinamento: O estudo documenta a divergência sistemática de treinamento em perdas da família SSIM, atribuindo-a a problemas de condicionamento numérico no denominador do SSIM. Fornece remédios acionáveis (ajuste de $K_2$ e tratamento de precisão) e observa que a instabilidade residual persiste em tamanhos de lote menores.
4. Denoising Implícito: Os autores demonstram que a síntese baseada em regressão produz inerentemente saídas com redução de ruído. Ao aproveitar a propriedade de expectativa condicional da regressão (onde o minimizador do MSE é a média condicional), o modelo aprende o sinal anatômico subjacente em vez do ruído de aquisição, mesmo quando treinado em alvos ruidosos.

Resultados

• Métricas Estruturais: No conjunto de teste mantido, os modelos aprendidos superam significativamente os baselines. O modelo de referência (MS-SSIM + L1) alcança um SSIM de nível de paciente de 0,888 e MS-SSIM de 0,936, comparado a ~0,78 para métodos clássicos e ~0,85 para modelos VFI.
• Denoising Implícito: A análise quantitativa de regiões de interesse (ROIs) de substância branca uniforme mostra que os modelos de regressão por pixel (L1, MSE, MS-SSIM + L1) reduzem a variância na ROI em aproximadamente 26% em comparação com as fatias de referência adquiridas. Isso confirma a previsão teórica de que o modelo suprime o ruído imprevisível.
• Impacto na Patologia: A qualidade da interpolação é ligeiramente inferior em fatias contendo hemorragia em comparação com fatias normais em todos os métodos, uma lacuna que é estatisticamente significativa para as métricas de SSIM.
• Validação Externa: Um estudo de caso fora da distribuição em uma série de TC de crânio com espaçamento de fatias misto demonstrou que os resíduos do modelo seguem as previsões teóricas de um estimador de expectativa condicional, especificamente atenuando artefatos de paridade do lado dos dados sem treinamento explícito nesses padrões.

Significância e Alegações
O artigo afirma que a interpolação de fatias baseada em aprendizado profundo oferece um benefício duplo: melhorar a visualização 3D através da redução da anisotropia e, simultaneamente, fornecer denoising implícito. Isso é alcançado através de uma única passagem de inferência sem a necessidade de alvos de treinamento limpos.

Os autores enfatizam que suas descobertas são específicas para TC de crânio sem contraste dentro de uma janela de Unidades Hounsfield definida. Eles declaram explicitamente que o trabalho não pretende generalização para outras regiões anatômicas, modalidades ou protocolos de aquisição. A significância reside em fornecer um método de interpolação confiável e com redução de ruído que supera baselines clássicos e de transferência de aprendizado existentes, ao mesmo tempo em que oferece orientações práticas sobre a estabilidade numérica de perdas de similaridade estrutural. O artigo conclui que, embora a qualidade da interpolação seja alta, a validação clínica via estudos de leitura por radiologistas é o próximo passo necessário antes da implementação.