Residual Diffusion with Adaptive Data Consistency for Sparse-View CT Reconstruction

Resumo Técnico: Difusão Residual com Consistência de Dados Adaptativa para Reconstrução de CT de Visão Esparsa

Definição do Problema
A Tomografia Computadorizada (CT) de visão esparsa reduz a exposição à radiação e o tempo de varredura ao adquirir projeções de um número limitado de ângulos. No entanto, isso cria um problema inverso severamente mal posto, onde a reconstrução padrão por Retroprojeção Filtrada (FBP) resulta em artefatos de estrias severos devido à amostragem angular incompleta. Embora métodos de aprendizado profundo tenham mostrado potencial, abordagens supervisionadas frequentemente enfrentam dificuldades com visões extremamente limitadas, e os modelos de difusão generativa existentes enfrentam duas restrições principais: (1) eles tipicamente inicializam o processo reverso a partir de ruído Gaussiano puro, exigindo um grande número de etapas de amostragem e incorrendo em altos custos de inferência; e (2) eles frequentemente dependem de parâmetros de consistência de dados fixos que falham em equilibrar o prior aprendido com a fidelidade das medições em diversas configurações de visão esparsa.

Metodologia
Os autores propõem um Framework de Difusão Residual adaptado especificamente para a reconstrução de CT de visão esparsa, composto por três componentes principais:

1. Processo de Difusão Direta Residual:
   Em vez do processo direto padrão que corrompe imagens limpas ($x_0$) com ruído Gaussiano, os autores definem uma via de degradação específica para CT. O processo direto transita de uma imagem totalmente amostrada para sua correspondente reconstrução FBP de visão esparsa ($x_{fbp}$). O modelo é treinado para aprender o resíduo $x_{res} = x_0 - x_{fbp}$. Consequentemente, o processo reverso é inicializado a partir da estimativa FBP estruturalmente informativa, em vez de ruído aleatório, reduzindo significativamente o número de etapas necessárias para atingir uma solução de alta qualidade.

2. Condicionamento de Alta Frequência Multiescala:
   Para abordar a perda de detalhes finos (bordas e texturas) inerente às reconstruções FBP, o framework introduz um módulo de condicionamento. Este módulo extrai características de alta frequência da imagem FBP usando uma transformada wavelet discreta (suprimindo o componente de aproximação e retendo as sub-bandas de detalhe). Essas características são refinadas por um U-Net auxiliar pré-treinado e injetadas na rede de denoising principal (um U-Net com atenção linear) em múltiplos níveis de resolução. Isso fornece orientação estrutural explícita para preservar bordas anatômicas e texturas de tecidos durante as etapas de difusão reversa.

3. Mecanismo de Consistência de Dados Adaptativo:
   Para garantir que a reconstrução permaneça consistente com os dados de projeção medidos ($y$), os autores integram uma etapa de consistência de dados no domínio da projeção em cada iteração reversa. Diferente de métodos que utilizam parâmetros de relaxação fixos, este mecanismo deriva o parâmetro de relaxação ($\kappa_{t-1}$) analiticamente em cada etapa. Ao resolver um problema de mínimos quadrados unidimensional ao longo da direção de correção FBP usando o resíduo de projeção atual, o método equilibra automaticamente o prior generativo contra a fidelidade da medição sem a necessidade de ajuste manual de hiperparâmetros. Esta correção é omitida na etapa final ($t=1$) para evitar a amplificação de ruído.

Principais Contribuições

• Formulação Residual: O artigo reformula o processo de difusão direta como uma degradação de imagens limpas para imagens FBP de visão esparsa. Isso permite que o processo reverso parta de uma estimativa FBP fisicamente significativa, permitindo significativamente menos etapas de amostragem em comparação com a difusão padrão de ruído Gaussiano.
• Orientação de Alta Frequência: A introdução de um módulo de condicionamento multiescala que injeta características de borda e textura derivadas de wavelet no denoiser, visando especificamente a recuperação de estruturas anatômicas de pequena escala frequentemente perdidas em FBP.
• Consistência Adaptativa: O desenvolvimento de um mecanismo de consistência de dados adaptativo que calcula analiticamente o parâmetro de relaxação ideal a partir do resíduo de projeção em cada etapa, eliminando a necessidade de seleção manual de parâmetros em diferentes configurações de visão esparsa.

Resultados Experimentais
O método foi avaliado em conjuntos de dados simulados (AAPM Low Dose CT Grand Challenge) e clínicos (LDCT-and-Projection).

• Qualidade de Reconstrução: O método proposto alcançou a maior Relação Sinal-Ruído de Pico (PSNR) e Índice de Similaridade Estrutural (SSIM) em todas as configurações de visão testadas (16, 32 e 64 visões) em comparação com baselines supervisionados (FBPConvNet, LEARN++, PAIL) e outros métodos baseados em difusão (Cold-Diff, ResShift, MCG, WSGM, VLDS).
• Supressão de Artefatos: Resultados qualitativos demonstraram superioridade na supressão de artefatos de estria e melhor preservação de detalhes anatômicos finos em comparação com os baselines, que frequentemente exibiam excesso de suavização ou estrias residuais.
• Eficiência: O método exigiu apenas 20 etapas de difusão ($T=20$) para atingir o desempenho ideal, resultando em um tempo de inferência de aproximadamente 2,8 segundos por fatia. Isso é substancialmente mais rápido do que outros métodos de difusão guiados por consistência de dados (ex: MCG, WSGM) que exigem centenas ou milhares de etapas, embora ligeiramente mais lento que métodos de espaço latente como o ResShift (que os autores observam sofrer de excesso de suavização devido à falta de restrições de projeção).
• Generalização: O método demonstrou forte generalização entre domínios, operando efetivamente em dados clínicos sem retreinamento, atribuído ao mecanismo de consistência adaptativa que se ajusta aos resíduos de projeção específicos dos exames clínicos.

Significância e Alegações
O artigo afirma que, ao alinhar a trajetória de difusão com o processo de degradação física da CT de visão esparsa (de limpa para FBP) e incorporar restrições adaptativas no domínio da projeção, o framework proposto oferece um compromisso favorável entre eficiência computacional e precisão de reconstrução. Ele aborda as limitações específicas dos modelos de difusão existentes em imagem médica ao reduzir os custos de inferência através de inicialização estruturada e melhorar a fidelidade estrutural através de condicionamento de alta frequência e consistência adaptativa. Os autores observam que, embora o método apresente melhorias significativas, as limitações atuais incluem o uso de ground truth reconstruído a partir de dados de visão total rebinados para validação clínica e a validação apenas em geometria fan-beam axial 2D, sendo a extensão para cone-beam 3D identificada como trabalho futuro.