[論文レビュー] DiffusionCT: Latent Diffusion Model for CT Image Standardization

Md. Selim, Jie Zhang+3 more|ArXiv.org|Jan 20, 2023

Radiomics and Machine Learning in Medical Imaging参考文献 21被引用数 6

ひとこと要約

本稿では、異なるスキャナーやプロトコルに起因するCT画像のばらつきを、共通の潜在表現を学習することで標準化する潜在拡散モデル、DiffusionCTを提案する。エンコーダ・デコーダを事前学習し、その後潜在空間で拡散モデルを訓練することで、放射線学的特徴量の一貫性において最先端の性能を達成した。主な特徴量クラスではCCCスコアが1.00 ± 0.00を記録し、GANベースおよびDDPMベースのベースラインと比較して、テクスチャ特徴量の保持が優れている。

ABSTRACT

Computed tomography (CT) is one of the modalities for effective lung cancer screening, diagnosis, treatment, and prognosis. The features extracted from CT images are now used to quantify spatial and temporal variations in tumors. However, CT images obtained from various scanners with customized acquisition protocols may introduce considerable variations in texture features, even for the same patient. This presents a fundamental challenge to downstream studies that require consistent and reliable feature analysis. Existing CT image harmonization models rely on GAN-based supervised or semi-supervised learning, with limited performance. This work addresses the issue of CT image harmonization using a new diffusion-based model, named DiffusionCT, to standardize CT images acquired from different vendors and protocols. DiffusionCT operates in the latent space by mapping a latent non-standard distribution into a standard one. DiffusionCT incorporates an Unet-based encoder-decoder, augmented by a diffusion model integrated into the bottleneck part. The model is designed in two training phases. The encoder-decoder is first trained, without embedding the diffusion model, to learn the latent representation of the input data. The latent diffusion model is then trained in the next training phase while fixing the encoder-decoder. Finally, the decoder synthesizes a standardized image with the transformed latent representation. The experimental results demonstrate a significant improvement in the performance of the standardization task using DiffusionCT.

研究の動機と目的

• スキャナーメーカーや撮影プロトコルの違いによって生じるCT画像における放射線学的特徴量の不一致の課題に対処すること。
• 解剖学的詳細を保持しながら、テクスチャおよび強度のばらつきを最小限に抑える、堅牢で汎用性の高い画像標準化手法を開発すること。
• 拡散モデルを潜在空間で活用することで、従来のGANベースの手法を凌駕する医療画像の統合化の可能性を検討すること。

提案手法

• DiffusionCTは二段階の訓練プロセスを採用する：まず、非標準的なCT画像の潜在表現を学習するため、ResNet-18に基づくエンコーダ・デコーダネットワークを事前学習する。
• モデルは、エンコーダ・デコーダのボトルネック部にノイズ除去拡散確率的モデル（DDPM）を統合し、非標準分布から標準分布への潜在空間マッピングを可能にする。
• 拡散モデルは潜在空間で訓練され、エンコーダ・デコーダは固定されたままにされ、潜在表現の高精度な最適化が可能になる。
• 標準化は、非標準画像のエンコード済み潜在ベクトルを用いて訓練済みの拡散モデルからサンプリングすることで実現され、標準化された出力が得られる。
• ノイズスケジュールと逆方向拡散プロセスを用いて、潜在表現を徐々にノイズ除去し、ターゲット分布へと近づける。
• 合成画像と標準画像の放射線学的特徴量間の一致度を評価するため、複数の特徴量クラスにおける一致相関係数（CCC）を用いる。

実験結果

リサーチクエスチョン

• RQ1 潜在拡散モデルは、異なるスキャナーや撮影プロトコルに跨るCT画像の標準化を効果的に実現できるか？
• RQ2 GANベースの最先端手法と比較して、拡散ベースのアプローチは放射線学的特徴量の一貫性をどのように維持しているか？
• RQ3 画像空間での拡散モデルと比較して、潜在空間で拡散モデルを訓練することには、画像品質、特徴量忠実度、モデル効率の面で利点があるか？
• RQ4 提案手法は、標準化画像において解剖学的構造をどの程度保持しながら、テクスチャおよび強度のばらつきを最小限に抑えることができるか？
• RQ5 エンコーダ・デコーダが学習した潜在空間表現は、拡散モデリングによる高精細な画像合成を十分にサポートできるか？

主な発見

• DiffusionCTは、GOH特徴量クラスにおいてCCCが1.00 ± 0.00を達成し、合成画像と標準画像の放射線学的特徴量間に完全な相関関係があることを示した。
• GLCMおよびGLRLM特徴量（全放射線学的特徴量のおよそ50％を占める）において、DiffusionCTはそれぞれ0.85 ± 0.14および0.79 ± 0.21のCCC値を記録し、比較対象のすべてのモデルを上回った。
• 相対誤差の観点から、DiffusionCTは64％の放射線学的特徴量を15％以内の誤差で保持したが、これはGANai（20％）、STAN-CT（32％）、RadiomicGAN（51％）を大きく上回った。
• 視覚的類似度においても、特に腫瘍領域で標準画像と優れた類似性を示し、他の手法との定性的比較でも顕著であった。
• GLCMおよびGLRLM特徴量ではDDPMがわずかに優れた性能を示したが、DiffusionCTは多様な特徴量クラスに跨る全体的な一貫性が最も高かった。
• エンコーダ・デコーダの事前学習とその後の潜在空間での拡散ファインチューニングという二段階の訓練戦略により、アーチファクトを最小限に抑えつつ安定的かつ高品質な画像合成が実現された。