[论文解读] 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 3

一句话总结

CoreDiff 提出了一种用于低剂量 CT 去噪的上下文误差调制广义扩散模型，通过使用 LDCT 图像作为采样起点来加速推理，采用均值保持的退化算子来模拟物理 CT 噪声，并引入 CLEAR-Net 以减少误差累积。该方法仅需 10 步采样即可实现最先进去噪性能，从而实现临床可行的推理时间。

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.

研究动机与目标

• 解决先前基于深度学习的低剂量 CT 去噪方法存在的过度平滑和训练不稳定性问题。
• 减少扩散模型在医学影像中典型的长推理时间。
• 在无需微调或大量超参数调优的情况下，提升对未见剂量水平的泛化能力。
• 减轻基于扩散的去噪过程中采样阶段的误差累积与错位问题。
• 仅使用一张配对的 LDCT/NDCT 图像，即可实现对超低剂量 CT 场景的快速适应。

提出的方法

• 利用低剂量 CT（LDCT）图像作为扩散过程的初始噪声输入，取代随机高斯噪声，从而减少采样步数。
• 提出一种新颖的均值保持退化算子，以模拟实际的 CT 图像退化过程，提升采样效率与保真度。
• 提出 CLEAR-Net，一种上下文误差调制恢复网络，通过利用空间上下文来约束结构失真，并对时间步嵌入进行调制，以实现各步之间的更好对齐。
• 设计了一套一次性学习框架，仅使用一张（未配对）的 LDCT 和 NDCT 图像即可微调 CoreDiff，实现对新剂量水平的泛化。
• 采用受冷扩散启发的广义扩散框架，实现从 LDCT 图像出发的灵活且稳健的采样。
• 将退化算子与 CLEAR-Net 整合到统一的扩散采样流程中，以同时提升速度与图像质量。

实验结果

研究问题

• RQ1 使用 LDCT 图像作为扩散过程的起点，是否能显著减少采样步数，同时保持高去噪质量？
• RQ2 与标准高斯噪声相比，均值保持的退化算子在建模低剂量 CT 图像物理噪声特性方面效果如何？
• RQ3 CLEAR-Net 是否能通过利用上下文信息和自适应时间步调制，有效减少扩散采样过程中的误差累积与错位？
• RQ4 在仅使用一张配对的 LDCT/NDCT 图像的一次性学习设置下，CoreDiff 能在多大程度上泛化至新的、未见的剂量水平？
• RQ5 CoreDiff 是否在实现临床可接受的推理速度的同时，优于现有扩散与非扩散模型，在超低剂量场景中表现更优？

主要发现

• CoreDiff 在四个公开的 LDCT 数据集上实现了最先进去噪性能，在定量指标与视觉质量方面均优于对比方法。
• 该模型将推理时间缩短至仅 10 步采样——比标准扩散模型快 10 倍——尽管扩散采样本身成本较高，但依然实现了临床可行性。
• 一次性学习框架使 CoreDiff 仅需一张 LDCT/NDCT 配对图像即可实现对新未见剂量水平的快速泛化，无需在测试数据上进行超参数调优。
• CoreDiff 在超低剂量场景（如 5% 剂量）中表现出强鲁棒性，能保持高图像保真度与诊断相关性。
• CLEAR-Net 显著减少了采样过程中的结构失真与错位，表现为相比基线扩散模型，PSNR 和 SSIM 指标均有提升。
• 均值保持的退化算子通过更准确地逼近 CT 成像中的实际物理退化过程，提升了采样效率与保真度。