VascuSR: diffusione iterativa attenta all’anatomia per la super-risoluzione delle immagini CT

Abstract degli autori

La super-risoluzione (SR) generativa può recuperare dettagli nitidi nelle immagini di tomografia computerizzata (CT) a partire da osservazioni fortemente sottocampionate, ma il contenuto ad alta frequenza mancante non è determinato in modo univoco dall’input a bassa risoluzione. Di conseguenza, ricostruzioni visivamente plausibili possono presentare dettagli vascolari privi di riscontro anatomico, come vasi mancanti, inesistenti o collegati in modo errato. Per affrontare questo problema, presentiamo VascuSR, un framework di diffusione iterativo attento all’anatomia che combina la ricostruzione delle immagini con indicazioni esplicite sulla struttura vascolare 3D. Innanzitutto, per fornire indicazioni anatomiche più ricche, usiamo una rappresentazione vascolare 3D esplicita che coglie informazioni strutturali oltre quelle delle singole sezioni. Questa rappresentazione semplifica anche il perfezionamento della struttura vascolare, consentendo a un leggero modello generativo 3D di concentrarsi su tale struttura anziché sul complesso aspetto delle immagini CT. In secondo luogo, per guidare la SR delle singole sezioni, un leggero modulo di controllo anatomico introduce la struttura perfezionata nel decoder di diffusione, mentre un feedback iterativo aggiorna queste indicazioni a partire da ogni nuovo volume ottenuto con SR. Sui dataset MSD Task08 e HVM riannotati, VascuSR supera l’interpolazione e i metodi di riferimento di SR basati sull’apprendimento per accuratezza della segmentazione (Dice e clDice) e struttura vascolare 3D (connettività e distanza media tra le linee centrali), mantenendo una qualità dell’immagine paragonabile a quella del suo backbone di SR. Rispetto ai metodi di riferimento basati sull’apprendimento, VascuSR riduce di oltre il 20% il numero di componenti connesse mediato sulle classi in entrambi i dataset e di oltre il 10% la distanza media tra le linee centrali su MSD.