Lesion-DDPM: Lesion-Enhanced 3D Diffusion for MS MRI Synthesis

Resumo Técnico: Lesion-DDPM

Definição do Problema
O diagnóstico e o monitoramento da Esclerose Múltipla (EM) dependem fortemente de sequências de RM FLAIR 3D devido à sua alta sensibilidade a lesões supratentoriais. No entanto, o desenvolvimento de modelos de aprendizado de máquina robustos para neuroimagem é dificultado pela escassez e heterogeneidade dos conjuntos de dados de EM publicamente disponíveis, que variam significamente entre scanners e protocolos de aquisição. Esta escassez é particularmente desafiadora para modelos generativos incumbidos de sintetizar volumes 3D. As lesões de EM são caracteristicamente pequenas, esparsas e morfologicamente irregulares, ocupando uma fração ínfima do volume cerebral. Este severo desequilíbrio entre lesão e fundo faz com que os modelos generativos existentes (como GANs e modelos de difusão padrão) tendam a suavizar demais lesões sutis, introduzir artefatos ou falhar na preservação da visibilidade da lesão enquanto mantêm a estrutura cerebral global. As abordagens atuais frequentemente lutam para equilibrar o realismo anatômico de todo o cérebro com a preservação explícita dessas regiões patológicas minúsculas.

Metodologia
Os autores propõem o Lesion-DDPM, um framework de difusão condicional 3D projetado especificamente para a síntese de FLAIR consciente de lesões. O modelo é formulado como um processo de difusão gaussiana condicional onde o alvo é um volume FLAIR pré-processado e sem crânio (skull-stripped), e a condição é uma máscara anatômica que codifica as regiões de cérebro e lesão.

A arquitetura e a estratégia de treinamento incorporam duas principais inovações técnicas:

1. Injeção de Condição com Portão de Múltiplos Níveis (Multi-Level Gated Condition Injection): Diferente dos modelos de difusão condicional padrão que podem apenas concatenar máscaras na entrada, o Lesion-DDPM injeta informações da máscara anatômica em múltiplos estágios: no codificador, no gargalo (bottleneck) e no decodificador. Em cada estágio, a máscara é redimensionada para corresponder à resolução de características e codificada em um mapa de características, sendo fundida com o fluxo principal via concatenação por canal e uma convolução 3D pontual. Crucialmente, esta fusão é modulada por um portão sigmoide aprendível, permitindo que a rede controle a força da injeção de informações da lesão em diferentes profundidades. Este design garante que as pistas da lesão informem tanto as representações globais de alto nível quanto os detalhes locais de baixo nível, sem excesso de condicionamento.
2. Perda de Reconstrução Ponderada pela Lesão (Lesion-Weighted Reconstruction Loss): Para abordar o severo desequilíbrio de classes entre voxels de lesão e de fundo, os autores substituem o objetivo padrão de predição de ruído por uma perda L1 ponderada pela lesão. Este objetivo atribui um peso substancialmente maior aos erros ocorridos dentro dos voxels de lesão em comparação com os voxres de tecido e de fundo. Isso força o modelo a priorizar atualizações de gradiente para as regiões de lesão, impedindo que o processo de denoising iterativo suavize as lesões pequenas e esparsas.

Principais Contribuições

• Framework Consciente de Lesão: O artigo introduz um modelo de difusão condicional 3D que prioriza explicitamente a fidelidade de pequenas e esparsas lesões de EM, mantendo a consistência anatômica global.
• Novidade Arquitetural: A implementação da injeção de condição com portão de múltiplos níveis permite o reforço do contexto da lesão através de múltiplas escalas de características, melhorando a estabilidade do condicionamento.
• Estratégia de Otimização: A integração de uma perda de reconstrução L1 ponderada pela lesão visa especificamente a preservação dos voxels de lesão, mitigando o problema comum de suavização excessiva de lesões em modelos generativos.

Resultados
O modelo foi avaliado usando um subconjunto curado do conjunto de dados MSLesSeg (80 pares de treinamento, 20 pares de teste) e comparado contra baselines representativos do estado da arte: 3D Pix2Pix, 3D DiscoGAN (baseado em GAN) e Med-DDPM (baseado em difusão).

• Fidelidade Visual e Quantitativa: Em avaliações de especialistas, as imagens sintéticas geradas pelo Lesion-DDPM foram frequentemente indistinguíveis de imagens reais por neurologistas. Quantitativamente, o Lesion-DDPM alcançou o menor Erro Quadrático Médio (MSE: 0,059) e o Menor Erro Absoluto Médio (MAE: 0,202) e a maior Similaridade Estrutural de Múltiplas Escalas (MS-SSIM: 0,806) entre todos os métodos. Notavelmente, em regiões específicas de lesão, alcançou o menor erro de reconstrução (MSE: 0,048), superando significativamente os baselines.
• Desempenho de Segmentação Downstream: Um 3D U-Net treinado exclusivamente em dados sintéticos gerados pelo Lesion-DDPM alcançou um índice Dice de 0,616 em dados de teste de RM reais, superando o melhor conjunto de dados sintéticos concorrente (Med-DDPM com 0,569).
• Treinamento Híbrido: Quando as imagens sintéticas do Lesion-DDPM foram adicionadas a um conjunto de treinamento real (treinamento híbrido), o índice Dice de segmentação downstream aumentou para 0,685, superando o desempenho de modelos treinados apenas com dados reais (0,670) e outras configurações híbridas.

Significância e Alegações
O artigo afirma que o Lesion-DDPM aborda com sucesso o desafio de gerar volumes 3D FLAIR de alta fidelidade que preservam as sutis lesões de EM, uma tarefa na qual modelos generativos anteriores tiveram dificuldades devido ao desequilíbrio entre lesão e fundo. Os autores asseguram que seu método produz imagens visualmente convincentes e diagnosticamente plausíveis, conforme evidenciado pela avaliação de especialistas. Além disso, os resultados demonstram que os dados gerados pelo Lesion-DDPM não são apenas visualmente realistas, mas também funcionalmente eficazes para o treinamento de modelos de segmentação downstream, oferecendo uma solução viável para o aumento de dados em cenários de dados limitados. O estudo conclui que a combinação da injeção de portão de múltiplos níveis e da perda ponderada pela lesão é crítica para alcançar este equilíbrio entre a estrutura global e a fidelidade da lesão local. O trabalho futuro sugerido pelos autores inclui a exploração de síntese multimodal e simulação controlada de progressão de lesões.