Resumo Técnico: PSCT-Net para Reconstrução de TC Craniana Pediátrica

Definição do Problema

A Tomografia Computadorizada (TC) é o padrão ouro para o diagnóstico de anormalidades craniofaciais pediátricas, porém a radiação ionizante associada impõe riscos severos a anatomias em desenvolvimento devido à maior radiossensibilidade e à longa expectativa de vida para potenciais neoplasias. Embora a imagem de raio-X biplanar ofereça uma alternativa de baixa dose, ela carece da informação de profundidade volumétrica necessária para avaliar deformidades cranianas complexas. Reconstruir volumes de TC 3D de alta fidelidade a partir de projeções de raio-X 2D esparsas é um problema inverso severamente mal posto.

Abordagens de aprendizado profundo existentes dependem tipicamente de elevação de características agnósticas à geometria (geometry-agnostic feature lifting), onde características 2D são ingenuamente replicadas ou projetadas linearmente no espaço 3D. Esses mecanismos implícitos falham em modelar a geometria de aquisição física, levando ao desalinhamento espacial, ambiguidade de profundidade e perda de estruturas ósseas detalhadas (ex: suturas e fontanelas) críticas para o diagnóstico pediátrico. Além disso, modelos recentes baseados em difusão, embora melhorem o realismo textural, impõem custos computacionais proibitivos devido à denoização iterativa, tornando-os impraticáveis para fluxos de trabalho clínicos sensíveis ao tempo. Adicionalmente, existe um gap de domínio significativo: os benchmarks públicos focam na anatomia de tronco adulta (pulmão, coluna, pelve) e carecem de marcadores fisiológicos específicos da pediatria, como fontanelas não fechadas e osso cortical mais fino.

Metodologia: PSCT-Net

Os autores propõem o PSCT-Net, um framework consciente da geometria que integra priors geométricos explícitos com modelagem de contexto computacionalmente eficiente. A arquitetura é construída sobre uma cGAN (Rede Adversária Generativa Condicional) 2D-para-3D padrão, mas introduz quatro inovações principais para impor consistência espacial e um contexto global robusto:

1. Inicialização por Retroprojeção Diferenciável

Para mitigar a ambiguidade de profundidade, a rede inicializa um prior volumétrico grosseiro via uma camada de retroprojeção diferenciável. Esta camada traça intensidades de raio-X ao longo de caminhos físicos de raios definidos pela matriz de projeção (rotação e translação), gerando um volume de atenuação geometricamente fiel ($V_{prior}$). Este passo injeta explicitamente a geometria de aquisição na rede, fornecendo uma inicialização espacialmente fiel que alivia a ambiguidade de profundidade desde o início.

2. Condicionamento Multivista Consciente da Geometria

O framework emprega uma estratégia de condicionamento duplo para impor consistência geométrica tanto nos estágios de codificação quanto de decodificação:

• Módulo BP-C (Encoder): Retroprojeta mapas de características 2D no espaço 3D de acordo com a geometria de aquisição. Esses volumes específicos de visualização são calculados pela média para formar um prior global, que é concatenado com as características do encoder principal para resolver a ambiguidade de profundidade precocemente.
• Módulo MV3D-C (Decoder): Alinha características volumétricas de alto nível de ramos específicos de visualização em um sistema de coordenadas comum. Essas características alinhadas são calculadas pela média e concatenadas ao decoder principal para garantir que a reconstrução final permaneça semanticamente consistente com as projeções de entrada.

3. Projeção Guiada por Atenção (AGP-3D)

Substituindo projeções lineares fixas ou simples replicação de características, o módulo AGP-3D utiliza um mecanismo de Atenção de Múltiplas Cabeças (MHA) para aprender correspondências não lineares voxel-a-voxel entre regiões de imagem 2D e localizações espaciais 3D. Ao tratar localizações de grade 3D como queries e características 2D como keys, a rede aprende dinamicamente onde recuperar informações de textura relevantes, permitindo uma agregação de características discriminativa em vez de uma projeção cega.

4. Mamba Bidirecional (BiM-3D)

Para capturar a geometria craniana holística de forma eficiente, o framework incorpora um módulo Mamba Bidirecional (BiM-3D). Este módulo utiliza um Modelo de Espaço de Estados Bidirecional (Bi-SSM) para modelar dependências volumétricas de longo alcance com complexidade linear ($O(N)$), evitando o custo computacional quadrático ($O(N^2)$) dos Transformers padrão, enquanto supera os campos receptivos limitados das convoluções.

Objetivo de Treinamento

A rede é treinada usando uma função de perda composta que compreende:

• Perda Adversária ($L_{adv}$): Uma GAN de Mínimos Quadrados condicional com um Discriminador de Patch 3D.
• Perda de Reconstrução ($L_{rec}$): Perda de reconstrução voxel-a-voxel $\ell_1$.
• Perda de Consistência de Projeção ($L_{proj}$): Impõe consistência através de projeções ortogonais 2D.

Principais Contribuições

1. Framework Inovador: O PSCT-Net é o primeiro framework a integrar retroprojeção diferenciável com modelagem de espaço de estados para reconstrução de raio-X para TC. Ao codificar explicitamente a geometria de aquisição, ele resolve a ambiguidade de profundidade que causa as alucinações de estruturas incorretas em abordagens existentes.
2. Dataset PedSkull-CT: Os autores curaram o PedSkull-CT, um coorte privado de TC craniana pediátrica institucional compreendendo 982 exames (idades de 1 a 24 meses) cobrindo casos normais e patológicos com raios-X simulados pareados. Isso aborda a falta de datasets específicos para pediatria em benchmarks públicos existentes.
3. Desempenho e Eficiência: O método alcança desempenho de estado da arte em três benchmarks públicos e no coorte privado de pediatria. Crucialmente, supera métodos baseados em difusão enquanto mantém a alta eficiência de inferência inerente às arquiteturas de etapa única, tornando-o adequado para implantação clínica.

Resultados Experimentais

Os autores avaliaram o PSCT-Net em três benchmarks públicos (LIDC-IDRI, CTSpine1K, CTPelvic1K) e no coorte privado PedSkull-CT.

• Benchmarks Públicos: No LIDC-IDRI, o PSCT-Net alcançou um PSNR de 27,18 dB, superando o DiffuX2CT baseado em difusão por 0,83 dB. No CTPelvic1K, alcançou 33,06 dB, superando o segundo melhor método por 1,35 dB. Estes resultados demonstram generalização robusta através de diversas regiões anatômicas.
• PedSkull-CT: No coorte pediátrico privado, o PSCT-Net superou todos os baselines, melhorando o PSNR em 1,28 dB e o SSIM em 0,022 em relação ao segundo melhor método (X2CT-GAN).
• Estudos de Ablação: Experimentos confirmaram que cada módulo contribui para o desempenho. Notavelmente, o módulo BiM-3D sozinho proporcionou o maior ganho (+1,04 dB), destacando a importância da modelagem de contexto global. O modelo completo alcançou os melhores resultados, confirmando a complementaridade dos priors geométricos e da modelagem de longo alcance.
• Generalização no Mundo Real: O modelo reconstruiu volumes com sucesso a partir de raios-X clínicos reais não vistos durante o treinamento, preservando características específicas do paciente, como a curvatura da mandíbula e a profundidade da órbita.

Significância e Limitações

O artigo postula que a reconstrução consciente da geometria oferece um caminho viável para o diagnóstico por imagem pediátrico de baixa dose. Ao modelar explicitamente a geometria de aquisição, o PSCT-Net evita a transformação de "caixa-preta" da elevação 2D-para-3D, reduzindo assim as alucinações anatômicas e preservando estruturas finas críticas.

Os autores reconhecem limitações: embora o método recupere a geometria global e as principais estruturas ósseas com alta fidelidade, resolver detalhes submilimétricos (como suturas cranianas finas) continua sendo um desafio devido à resolução de voxel fixa. O trabalho futuro proposto visa incorporar refinamento baseado em patches e Representações Neurais Implícitas ou primitivas de Gauss 3D para recuperar detalhes mais finos, juntamente com a validação através de estudos de leitura para diagnóstico de craniossinostose.