[论文解读] Low-Dose CT Using Denoising Diffusion Probabilistic Model for 20$ imes$ Speedup

Wenjun Xia, Qing Lyu+1 more|arXiv (Cornell University)|Sep 29, 2022

Medical Imaging Techniques and Applications被引用 5

一句话总结

该论文提出了一种用于低剂量CT（LDCT）去噪的条件去噪扩散概率模型（DDPM），利用快速常微分方程（ODE）求解器加速采样。该方法在保持或提升图像质量的同时，实现了相较于标准DDPM 20倍的加速，其在定量指标和临床图像保真度方面均优于U-Net和标准DDPM。

ABSTRACT

Low-dose computed tomography (LDCT) is an important topic in the field of radiology over the past decades. LDCT reduces ionizing radiation-induced patient health risks but it also results in a low signal-to-noise ratio (SNR) and a potential compromise in the diagnostic performance. In this paper, to improve the LDCT denoising performance, we introduce the conditional denoising diffusion probabilistic model (DDPM) and show encouraging results with a high computational efficiency. Specifically, given the high sampling cost of the original DDPM model, we adapt the fast ordinary differential equation (ODE) solver for a much-improved sampling efficiency. The experiments show that the accelerated DDPM can achieve 20x speedup without compromising image quality.

研究动机与目标

• 为解决低剂量CT（LDCT）扫描中信号-噪声比低的问题，该问题会损害诊断准确性。
• 克服标准DDPM采样计算成本高的问题，尽管其去噪性能强大，但高计算成本限制了其在临床中的部署。
• 开发一种快速且高保真的LDCT去噪方法，能够在抑制噪声的同时保留解剖细节。
• 将快速ODE求解器与预训练的条件DDPM相结合，实现在不牺牲图像质量的前提下高效推理。

提出的方法

• 使用U-Net架构作为去噪器，训练条件DDPM以学习从噪声LDCT图像到干净NDCT图像的反向扩散过程。
• 采用成对的LDCT和NDCT图像，以监督方式训练模型，最小化预测结果与真实NDCT图像之间的L2损失。
• 应用快速ODE求解器（DPM-Solver）通过减少函数评估次数（NFE），在更少步骤内求解连续时间SDE，从而加速采样。
• 通过将连续时间步离散化为原始的1,000个离散时间步，使ODE求解器适配预训练的DDPM。
• 采样过程从标准正态噪声分布开始，逐步在输入LDCT扫描的条件下去除噪声。
• 该方法采用基于得分的SDE框架，通过去噪得分匹配学习反向过程，实现高保真图像生成。

实验结果

研究问题

• RQ1 与传统的基于CNN的方法（如U-Net）相比，条件DDPM能否实现更优的LDCT去噪性能？
• RQ2 快速ODE求解器能否在不降低图像质量的前提下显著加速DDPM采样？
• RQ3 在ODE求解器中使用不同数量的函数评估次数（NFE）时，采样速度与去噪质量之间的权衡如何？
• RQ4 通过20倍加速，该加速后的DDPM方法能否在保持或提升定量指标的同时实现临床可行性？

主要发现

• DPM-Solver在50 NFE下达到PSNR 46.72和SSIM 0.9880，优于标准DDPM（PSNR: 46.49, SSIM: 0.9873）和U-Net（PSNR: 44.08, SSIM: 0.9823）。
• DPM-Solver在50 NFE下相比标准DDPM实现20倍加速，将单张图像的推理时间从62.17秒减少至3.12秒。
• DPM-Solver在15 NFE下表现较差（PSNR: 40.41），表明有效去噪需要最低数量的NFE。
• 视觉评估确认，DPM-Solver 50 NFE在保留血管等细微解剖结构方面优于U-Net和DDPM。
• 绝对误差图显示，DPM-Solver 50 NFE产生的噪声最少，证实其具有更优的噪声抑制能力。
• 该方法在定量指标和视觉质量方面均达到当前最先进水平，展现出临床潜力。