Feed-Forward Hierarchical Gaussian Diffusion for Extreme CT Reconstruction

Resumo Técnico: Difusão Gaussiana Hierárquica Feed-Forward para Reconstrução de CT Extrema

Definição do Problema
A reconstrução de volumes de tomografia computadorizada (CT) tridimensionais a partir de projeções severamente restritas é um problema inverso altamente mal posto. Os autores abordam cenários onde a aquisição é degradada por amostragem de visão esparsa (reduzindo a densidade angular), cobertura de ângulo limitado (restringindo o intervalo angular) e aquisição de baixa dose (aumentando o ruído de Poisson). Essas restrições frequentemente ocorrem individualmente, em pares ou conjuntamente. A degradação conjunta acopla a perda de informação direcional com o ruído dependente do sinal, obscurecendo tanto a continuidade anatômica de longo alcance quanto as transições de tecido local sutis. Os métodos aprendidos existentes geralmente visam uma única degradação dominante ou utilizam parametrizações de voxels densas que distribuem uniformemente a capacidade de reconstrução, falhando em alocar recursos de forma eficiente para regiões informativas sob restrições extremas. Além disso, as abordagens atuais de difusão e Gaussianas tipicamente recuperam a estrutura global e o detalhe local dentro de uma representação compartilhada, carecendo de uma hierarquia explícita para lidar com as distintas demandas de recuperação da geometria de longo alcance versus os resíduos de bordas.

Metodologia: HiGDiff
Os autores propõem o HiGDiff, um framework de difusão Gaussiana hierárquica feed-forward projetado para decompor a reconstrução tanto espacial quanto hierarquicamente (de estrutura para detalhe). O pipeline consiste em três estágios principais:

1. Inicialização Gaussiana Consciente de Primeiro Plano (Foreground-Aware):

   • Âncoras Condicionadas pela Física: Um codificador de características físicas processa a inicialização analítica (FBP) e os resíduos de retroprojeção ponderados por confiabilidade para gerar uma pirâmide de características. A partir disso, uma rede de âncoras livre de marcos (landmark-free) prevê $K$ âncoras anatômicas (coordenadas, escalas, orientações, confiança e embeddings) para formar um arcabouço anatômico grosseiro.
   • Campo de Capacidade de Primeiro Plano: Um campo escalar contínuo prevê a utilidade de alocar primitivas Gaussianas a regiões específicas, modulando as características de inicialização e denoising para enfatizar bordas e áreas sensíveis ao resíduo.
   • Bancos Duplos: O framework inicializa dois bancos de cardinalidade fixa de Gaussianas 3D explícitas: um Banco de Estrutura ($N_s$ primitivas) para a geometria de atenuação global e um Banco de Detalhe ($N_d$ primitivas) para bordas residuais assinadas. O orçamento total $N$ é dividido com base em uma fração de estrutura $\pi_s$.

2. Difusão Hierárquica de Estrutura-para-Detalhe:

   • Difusão de Estrutura: Um estágio de difusão ($D_s$) primeiro recupera a geometria de atenuação de baixa a média frequência. Ele utiliza as características físicas e as âncoras anatômicas para realizar o denoising do banco de estrutura.
   • Difusão de Detalhe Condicionada: O banco de estrutura completado gera tokens ($R_s$) e um campo renderizado ($\hat{\mu}_s$). Estes, combinados com o resíduo de medição não explicado ($B_s$), condicionam um segundo estágio de difusão ($D_d$). Este estágio recupera os detalhes residuais assinados. Crucialmente, as primitivas de detalhe atendem aos tokens de estrutura mais próximos via atenção local, garantindo correções anatomicamente compatíveis.
   • Dependência Sequencial: O processo é estritamente feed-forward; o banco de estrutura condiciona o banco de detalhe, estabelecendo uma hierarquia funcional onde a geometria global guia o refinamento local.

3. Refinamento de Atenuação com Isolamento de Gradiente:

   • Os dois bancos Gaussianos completados são renderizados em um campo de atenuação aditivo ($\hat{\mu}_G$).
   • Uma rede de refinamento ($H$) opera em uma grade de voxels densa, tomando como entrada o campo renderizado, o resíduo de retroprojeção e o campo de primeiro plano. Ela prevê uma correção residual limitada ($r_\mu$) para corrigir erros de escala de grade em interfaces nítidas.
   • Parada de Gradiente (Stop-Gradient): A rede de refinamento é treinada com um stop-gradient na saída Gaussiana, preservando os parâmetros das primitivas aprendidas e evitando que o estágio de refinamento sobreponha a estrutura hierárquica.

Principais Contribuições

1. Formulação de Tarefa Unificada: O trabalho formula uma tarefa de reconstrução de CT unificada cobrindo configurações de degradação isoladas, pareadas e conjuntas (visão esparsa, ângulo limitado e baixa dose) sob aquisição severamente restrita.
2. Difusão Sequencial de Estrutura-para-Detalhe: Os autores introduzem um novo framework sobre bancos Gaussianos explícitos onde uma inicialização consciente de primeiro plano aloca primitivas para regiões informativas, e um banco de estrutura completado condiciona um estágio subsequente de difusão de detalhe. Isso é acoplado com um módulo de refinamento de gradiente isolado que preserva a reconstrução Gaussiana como a espinha dorsal.
3. Desempenho de Estado da Arte: O método alcança desempenho superior em três conjuntos de dados de referência (LDCT-PD, LoDoPaB-CT e TCIA Pancreas), particularmente em configurações de degradação conjunta.

Resultados Experimentais
Experimentos foram conduzidos em três conjuntos de dados com várias restrições de aquisição:

• LDCT-PD (Tórax 3D): O HiGDiff alcançou o melhor PSNR macro-médio (32.655 dB) e SSIM (0.8661), superando a base métrica-específica mais forte em 5.81 dB e 0.113 SSIM, respectivamente. Manteve a robustez mesmo sob as configurações conjuntas mais exigentes (ex: razão de visão de 1/12, ângulo de 180° e baixa dose).
• LoDoPaB-CT (Tórax 2D): O método alcançou o maior SSIM médio (0.9241) e ficou efetivamente empatado com a melhor base de difusão (DOLCE) em PSNR macro-médio. Classificou-se em primeiro lugar em 10/16 comparações de PSNR e 14/16 de SSIM por nível de configuração, mostrando robustez superior sob degradação composta.
• TCIA Pancreas (Abdômen 3D): Demonstrando generalização entre conjuntos de dados, o HiGDiff alcançou um PSNR macro-médio de 35.298 dB e SSIM de 0.9261, superando os comparadores mais fortes em 8.571 dB e 0.1464 SSIM. Isso indica que a representação aprendida transfere-se efetivamente da anatomia torácica para a abdominal.

Significância e Alegações
O artigo afirma que o HiGDiff aborda a lacuna nos métodos existentes ao decompor a ambiguidade explicitamente de forma espacial (via alocação consciente de primeiro plano) e hierárquica (via difusão de estrutura-para-detalhe). Os autores argumentam que separar a recuperação da geometria de atenuação global dos detalhes de transição de tecido permite que o modelo lide com a natureza acoplada das degradações conjuntas de forma mais eficaz do que abordagens de representação única.

A significância reside na capacidade de preservar a continuidade anatômica e detalhes sutis sob restrições extremas onde métodos analíticos ou iterativos tradicionais falham. O framework é apresentado como uma representação explícita e adaptável para reconstrução de CT severamente restrita. Os autores observam que, embora o método mostre melhorias significativas, o desempenho diminui nas configurações conjuntas mais severas (ex: 27.172 dB em 1/3 de visão, 120° de ângulo, baixa dose), onde a informação perdida para o espaço nulo angular e o ruído de fótons permanece fundamentalmente ambígua. Eles enfatizam que as avaliações atuais dependem de corrupção de projeção simulada ou derivada de protocolos, e que conclusões clínicas requerem validação adicional com dados brutos de contagem de fótons e avaliações baseadas em tarefas.