[論文レビュー] CoreDiff: Contextual Error-Modulated Generalized Diffusion Model for Low-Dose CT Denoising and Generalization

Qi Gao, Zilong Li+3 more|arXiv (Cornell University)|Apr 4, 2023

Medical Imaging Techniques and ApplicationsMedicine参考文献 60被引用数 3

ひとこと要約

CoreDiffは、低線量CTのノイズ除去のための文脈的誤差調整型一般化拡散モデルを提案する。このモデルは、サンプリングの出発点としてLDCT画像を用いることで推論を高速化し、物理的CTノイズをモデル化するための平均保存型劣化演算子を採用し、誤差蓄積を低減するCLEAR-Netを導入する。わずか10ステップのサンプリングで最先端のノイズ除去性能を達成し、臨床的実用性にふさわしい推論時間を実現する。

ABSTRACT

Low-dose computed tomography (CT) images suffer from noise and artifacts due to photon starvation and electronic noise. Recently, some works have attempted to use diffusion models to address the over-smoothness and training instability encountered by previous deep-learning-based denoising models. However, diffusion models suffer from long inference times due to the large number of sampling steps involved. Very recently, cold diffusion model generalizes classical diffusion models and has greater flexibility. Inspired by the cold diffusion, this paper presents a novel COntextual eRror-modulated gEneralized Diffusion model for low-dose CT (LDCT) denoising, termed CoreDiff. First, CoreDiff utilizes LDCT images to displace the random Gaussian noise and employs a novel mean-preserving degradation operator to mimic the physical process of CT degradation, significantly reducing sampling steps thanks to the informative LDCT images as the starting point of the sampling process. Second, to alleviate the error accumulation problem caused by the imperfect restoration operator in the sampling process, we propose a novel ContextuaL Error-modulAted Restoration Network (CLEAR-Net), which can leverage contextual information to constrain the sampling process from structural distortion and modulate time step embedding features for better alignment with the input at the next time step. Third, to rapidly generalize to a new, unseen dose level with as few resources as possible, we devise a one-shot learning framework to make CoreDiff generalize faster and better using only a single LDCT image (un)paired with NDCT. Extensive experimental results on two datasets demonstrate that our CoreDiff outperforms competing methods in denoising and generalization performance, with a clinically acceptable inference time. Source code is made available at https://github.com/qgao21/CoreDiff.

研究の動機と目的

• 従来の深層学習ベースの低線量CTノイズ除去手法における過剰な滑らかさと学習の不安定性を解消する。
• 医用画像分野における拡散モデルの典型的な長時間推論を短縮する。
• 再訓練や広範なハイパーパrameterチューニングを伴わずに、未学習の線量レベルへの一般化を向上させる。
• 拡散ベースのノイズ除去における誤差蓄積とずれの問題を軽減する。
• 1枚のペアドLDCT/NDCT画像のみを用いて、超低線量CT環境への迅速な適応を可能にする。

提案手法

• サンプリングの出発点として低線量CT（LDCT）画像を用い、ランダムなガウスノイズに置き換えることで、ステップ数を削減する。
• 物理的CT画像劣化プロセスを模倣する新しい平均保存型劣化演算子を導入し、サンプリングの効率性と忠実度を向上させる。
• 空間的文脈を活用して構造的歪みを制約し、タイムステップ埋め込みを適応的に調節することで、ステップ間の整合性を向上させる、文脈的誤差調整型復元ネットワーク（CLEAR-Net）を提案する。
• 1枚の（非）ペアドLDCTおよびNDCT画像を用いてファインチューニングする1ショット学習フレームワークを設計し、新しい未学習の線量レベルへの一般化を可能にする。
• コールド拡散にインspiredされた一般化された拡散フレームワークを採用し、LDCT画像からの柔軟で頑健なサンプリングを実現する。
• 劣化演算子とCLEAR-Netを統合した一元化された拡散サンプリングパイプラインを構築し、速度と画像品質の両方を向上させる。

実験結果

リサーチクエスチョン

• RQ1 拡散プロセスの出発点としてLDCT画像を用いることで、高品質なノイズ除去を維持しつつ、大幅にサンプリングステップ数を削減できるか？
• RQ2 標準的なガウスノイズと比較して、平均保存型劣化演算子は低線量CT画像の物理的ノイズ特性をどれほど正確にモデル化できるか？
• RQ3 文脈的情報と適応的タイムステップモードを活用することで、CLEAR-Netは拡散サンプリング中の誤差蓄積とずれをどれほど効果的に低減できるか？
• RQ4 1ショット学習設定において、1組のペアドLDCT/NDCT画像のみを用いて、CoreDiffが新しい未学習の線量レベルにどれほど一般化できるか？
• RQ5 CoreDiffは、既存の拡散モデルおよび非拡散モデルを上回る性能を発揮しながらも、臨床的実用性にふさわしい推論速度を達成できるか？

主な発見

• CoreDiffは4つの公的LDCTデータセットにおいて最先端のノイズ除去性能を達成し、定量的指標および視覚的品質の両面で競合手法を上回る。
• モデルは推論時間をわずか10ステップにまで短縮した—標準的な拡散モデルの10倍速く、拡散サンプリングの固有のコストにもかかわらず、臨床的実用性を満たす。
• 1ショット学習フレームワークにより、テストデータに対するハイパーパrameterチューニングの必要なしに、新しい未学習の線量レベルへの迅速な一般化が可能になった。
• CoreDiffは超低線量シナリオ（例：5％線量）においても、高い画像忠実度と診断的妥当性を維持する強力なロバストネスを示した。
• CLEAR-Netは、PSNRおよびSSIMスコアの向上により、ベースラインの拡散モデルと比較して、サンプリング中の構造的歪みとずれを顕著に低減した。
• 平均保存型劣化演算子は、CT画像診断における実際の物理的劣化プロセスをよりよく近似することで、サンプリングの効率性と忠実度を向上させた。