[논문 리뷰] Diffusion Models for Contrast Harmonization of Magnetic Resonance Images

Alicia Durrer, Julia Wolleb외 7명|arXiv (Cornell University)|2023. 03. 14.

MRI in cancer diagnosisMedicine인용 수 3

한 줄 요약

이 논문은 쌍체 스캔을 사용하여 원천 대비 대비를 목표 대비로 변환하면서 해부학적 구조를 유지하는, T1.5T 및 T3T 자기공명 영상에서 대비 조율을 위한 확산 모델 기반 방법을 제안한다. 기존 GAN 기반 방법에 비해 더 뛰어난 분할 일致성과 하우스도르프 거리 성능을 달성하였으며, 특히 1.5T에서 3T로의 매핑에서 더 높은 디스크 스코어와 더 낮은 부피 차이를 보였다.

ABSTRACT

Magnetic resonance (MR) images from multiple sources often show differences in image contrast related to acquisition settings or the used scanner type. For long-term studies, longitudinal comparability is essential but can be impaired by these contrast differences, leading to biased results when using automated evaluation tools. This study presents a diffusion model-based approach for contrast harmonization. We use a data set consisting of scans of 18 Multiple Sclerosis patients and 22 healthy controls. Each subject was scanned in two MR scanners of different magnetic field strengths (1.5 T and 3 T), resulting in a paired data set that shows scanner-inherent differences. We map images from the source contrast to the target contrast for both directions, from 3 T to 1.5 T and from 1.5 T to 3 T. As we only want to change the contrast, not the anatomical information, our method uses the original image to guide the image-to-image translation process by adding structural information. The aim is that the mapped scans display increased comparability with scans of the target contrast for downstream tasks. We evaluate this method for the task of segmentation of cerebrospinal fluid, grey matter and white matter. Our method achieves good and consistent results for both directions of the mapping.

연구 동기 및 목표

• 스캐너 유도 대비 차이로 인해 발생하는 다중 스캐너 MRI 연구에서의 종방향 비교 가능성 문제를 해결하기 위해.
• 해부학적 구조를 손상시키지 않고 영상 대비를 조율하는 방법을 개발하여 신뢰할 수 있는 후속 분석을 가능하게 하기 위해.
• 의료 영상, 특히 대비 조율을 위한 이미지 간 번역에 있어 확산 모델의 효과성을 평가하기 위해.
• 확산 모델의 성능을 분할 정확도와 공간 적합성 측면에서 GAN 기반 접근법과 비교하기 위해.

제안 방법

• 쌍체 1.5T 및 3T MR 스캔 간의 이미지 간 번역을 위해 소음 제거 확산 확률 모델(DDPM)을 변형 적용하였다.
• 모델은 원천 이미지를 조건부 입력으로 사용하여, 해부학적 구조는 유지하면서 뿐만 아니라 대비 조정만 수행한다.
• 2D 슬라이스를 개별적으로 처리한 후 3D 볼륨으로 재구성하여 메모리 사용량을 줄이고 스트라이프 아티팩트를 방지한다.
• 모델은 18명의 다발성 경화증 환자와 22명의 건강한 대조군으로부터 확보한 쌍체 데이터를 기반으로 훈련되었으며, 스캔은 모두 1.5T 및 3T 자기장 강도에서 수행되었다.
• 이미지 번역은 양방향으로 수행되며, 1.5T에서 3T로, 3T에서 1.5T로의 번역을 통해 이중 방향 조율이 가능하도록 하였다.
• 분할 성능 평가에는 CSF, GM, WM에 대해 FAST를 사용하였으며, 지표로는 디스크 스코어, 하우스도르프 거리, 부피 차이를 포함하였다.

실험 결과

연구 질문

• RQ1 확산 모델은 1.5T 및 3T 스캐너 간의 MR 영상 대비를 해부학적 구조를 유지하면서 효과적으로 조율할 수 있는가?
• RQ2 제안된 확산 모델의 성능은 분할 정확도와 공간 일致성 측면에서 GAN 기반 기준선과 비교해 어떻게 되는가?
• RQ3 확산 모델을 통한 대비 조율은 서로 다른 자기장 강도의 스캔 간 조직 분할의 부피 차이를 줄이는가?
• RQ4 하우스도르프 거리로 측정했을 때, 공간 경계의 왜곡을 최소화하면서도 고품질의 분할 출력을 유지할 수 있는가?
• RQ5 특히 적대적 훈련이 없는 상황에서, 이 방법은 양방향 번역(1.5T→3T 및 3T→1.5T) 모두에서 강건한가?

주요 결과

• 모든 조직 유형(CSF, GM, WM)에 대해 양방향 번역에서 원본 이미지와 GAN 기반 방법보다도 더 뛰어난 하우스도르프 거리 스코어를 확보하였다.
• 1.5T에서 3T로의 매핑에서, 원본 이미지에 비해 GM 및 WM의 디스크 스코어가 향상되었으며, WM의 경우 디스크 스코어가 0.88, GM의 경우 0.88를 기록하였다.
• 특히 1.5T에서 3T로의 번역 방향에서, 변환된 영상과 기준값(3T 스캔) 간의 조직 분할 부피 차이를 GAN 기반 기준선보다 더 효과적으로 줄였다.
• 2D 슬라이스를 3D 볼륨으로 재구성할 때 스트라이프 아티팩트가 나타나지 않아 해부학적 정확성이 유지됨을 입증하였다.
• 샘플링 시간이 더 길지만, 하우스도르프 거리 및 분할 일치성 측면에서 GAN 기반 방법을 능가하는 성능을 보였다.
• 모델는 양방향 번역 모두에서 뛰어난 일반화 능력을 보였으며, 특히 1.5T에서 3T로의 매핑에서 최고의 성능를 기록하였다.