[論文レビュー] Parallel Diffusion Model-based Sparse-view Cone-beam Breast CT

Wenjun Xia, Tseng, Hsin Wu+7 more|arXiv (Cornell University)|Mar 22, 2023

Medical Imaging Techniques and Applications被引用数 4

ひとこと要約

本稿では、スパarsely viewed cone-beam breast CT再構成のための並列で二重ドメインの拡散モデルフレームワークを提案する。投影と画像のサブボリュームの両方で別々に訓練された、Denoising Diffusion Probabilistic Models (DDPMs) を並列に使用する。この手法により、標準被曝量の半分から3分の1の被曝量で、診断に適した高品質な3次元乳腺CT画像が得られ、被曝量を顕著に低減することができる。

ABSTRACT

Breast cancer is the most prevalent cancer among women worldwide, and early detection is crucial for reducing its mortality rate and improving quality of life. Dedicated breast computed tomography (CT) scanners offer better image quality than mammography and tomosynthesis in general but at higher radiation dose. To enable breast CT for cancer screening, the challenge is to minimize the radiation dose without compromising image quality, according to the ALARA principle (as low as reasonably achievable). Over the past years, deep learning has shown remarkable successes in various tasks, including low-dose CT especially few-view CT. Currently, the diffusion model presents the state of the art for CT reconstruction. To develop the first diffusion model-based breast CT reconstruction method, here we report innovations to address the large memory requirement for breast cone-beam CT reconstruction and high computational cost of the diffusion model. Specifically, in this study we transform the cutting-edge Denoising Diffusion Probabilistic Model (DDPM) into a parallel framework for sub-volume-based sparse-view breast CT image reconstruction in projection and image domains. This novel approach involves the concurrent training of two distinct DDPM models dedicated to processing projection and image data synergistically in the dual domains. Our experimental findings reveal that this method delivers competitive reconstruction performance at half to one-third of the standard radiation doses. This advancement demonstrates an exciting potential of diffusion-type models for volumetric breast reconstruction at high-resolution with much-reduced radiation dose and as such hopefully redefines breast cancer screening and diagnosis.

研究の動機と目的

• 専用乳腺CTにおける高い被曝量を低減し、画像品質を維持した低被曝スキャンを可能とすること。
• 3次元乳腺CT再構成における拡散モデルの大きなメモリと計算コストを克服すること。
• 大規模な3次元データセットにおける効率的な学習と推論を可能とする、並列でサブボリュームベースのフレームワークを開発すること。
• 拡散モデルを投影領域と画像領域の両方で統合し、相乗効果をもたらす再構成性能を実現すること。
• 実際のスパarsely viewed cone-beam breast CTデータを用いて、低被曝レベルでの手法の妥当性を検証すること。

提案手法

• 二重ドメインの並列パイプラインを設計し、投影データ（DDPM-P）と画像データ（DDPM-I）の両方で別々に訓練された2つのDDPMを用いる。
• 3次元の投影および画像ボリュームを重複のない16×16×16のサブボリュームに分割し、並列処理を実現する。
• DDPM-Pは、U-Netベースのアーキテクチャを用い、1,000ステップの拡散プロセスと線形betaスケジュールを用いて、スパarsely viewed投影における欠損データを回復する。
• 投影ドメインでのサブボリュームインpaintingが終了した後、全データセットはFDKアルゴリズムを用いて再構成される。
• DDPM-Iは、低品質と高品質の画像サブボリュームのペアから学習し、低品質なFDK再構成画像ボリュームを精錬する。
• 本パイプラインは、データブロードキャストとアセンブリを活用した分散コンピューティングを活用し、GPUクラスタ上での効率的な推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 スパarsely viewed cone-beam投影から、並列で二重ドメインの拡散モデルフレームワークが、高品質な3次元乳腺CT画像を効果的に再構成できるか？
• RQ2 提案された並列サブボリューム処理戦略は、拡散ベースのCT再構成において、メモリと計算コストをどの程度低減できるか？
• RQ3 二重ドメインDDPMアプローチは、標準被曝量の半分から3分の1の被曝量でも、どの程度の画像品質を維持できるか？
• RQ4 投影ドメインと画像ドメインのDDPMの相乗効果は、単一ドメインまたは従来の手法と比較して、再構成忠実度をどの程度向上させるか？
• RQ5 本手法は、GPUベースのクラスタ上で、臨床スケールの再構成に効率的に展開可能か？

主な発見

• 実際のcone-beam breast CTデータを用いた検証により、提案手法は標準被曝量の半分から3分の1の被曝量で、競争力のある再構成品質を達成した。
• 並列サブボリューム処理戦略により、メモリ要件が顕著に低減され、大規模な3次元データセットにおける効率的な学習と推論が可能となった。
• 二重ドメインDDPMフレームワークは、特にスパarsely viewedデータにおけるノイズとアーチファクトの低減面で、従来のFDK再構成を上回る画像品質を実現した。
• 投影領域と画像領域のDDPMを別々に使用することで、相乗的な精錬が可能となり、DDPM-IがFDK再構成画像を効果的に向上させた。
• 本手法は、1,576台のV100 GPUを用いたAiMOS GPUクラスタ上で、正常に学習およびテストが実施され、スケーラビリティと計算上の実現可能性が示された。
• 本フレームワークはクラウドコンピューティングプラットフォームでも展開可能であり、今後の低被曝乳腺がんスクリーニングにおける臨床統合を支援する。