VS-DDPM: 의료 영상 변환을 위한 효율적이고 저렴한 디퓨전 모델

VS-DDPM: Efficient Low-Cost Diffusion Model for Medical Modality Translation

디퓨전 모델은 고품질의 합성 데이터를 생성하지만, 추론 속도가 느린 단점이 있습니다. 본 연구에서는 생성 품질을 유지하면서 추론 속도를 크게 향상시키는 3차원 가변 단계 노이즈 제거 디퓨전 확률 모델(VS-DDPM) 프레임워크를 제안합니다. 제안하는 방법은 BraTS2025 및 SynthRAD2025 챌린지에서 제시된 네 가지 작업(MRI 누락 복원, 종양 제거, MRI-to-sCT, CBCT-to-sCT)에 대해 테스트되었습니다. VS-DDPM은 두 챌린지에서 제시된 하드웨어 및 시간 제약을 고려하여 높은 효율성을 목표로 설계되었습니다. VS-DDPM은 누락된 MRI 복원 작업에서 최첨단(SOTA) 성능을 달성했으며, 증강 종양, 종양 중심부 및 전체 종양 영역에 대해 각각 Dice 점수가 0.80, 0.83 및 0.88을 기록했습니다. 또한, 구조적 유사성 지수(SSIM)는 0.95였습니다. MRI 종양 제거 작업에서는 모델이 제곱 평균 제곱 오차(RMSE) 0.053, 최대 신호 대 잡음비(PSNR) 26.77 및 SSIM 0.918을 달성했습니다. VS-DDPM 프레임워크는 MRI-to-sCT 및 CBCT-to-sCT 작업에서 경쟁력 있는 성능을 보였지만, 데이터 전처리 및 후처리 파이프라인 또는 특정 손실 함수 구성의 영향으로 인해 SOTA 수준에는 도달하지 못했습니다. 이러한 결과는 VS-DDPM이 고품질 3차원 의료 영상 합성을 위한 강력하고 조정 가능한 솔루션을 제공함을 보여줍니다. 코드 및 관련 정보는 https://github.com/andre-fs-ferreira/SynthRAD_by_Faking_it 에서 확인할 수 있습니다.

Diffusion models produce high-quality synthetic data but suffer from slow inference. We propose 3D Variable-Step Denoising Diffusion Probabilistic Model (VS-DDPM) a framework engineered to maintain generative quality while accelerating inference by several factors. We tested our approach on four tasks (missing MRI, tumor removal, MRI-to-sCT, and CBCT-to-sCT) within the BraTS2025 and SynthRAD2025 challenges. Designed for high efficiency under hardware and time constrains imposed by both challenges. VS-DDPM achieved state-of-the-art (SOTA) performance in missing MRI synthesis, yielding Dice scores of 0.80, 0.83, and 0.88 for the enhancing tumor, tumor core, and whole tumor regions, respectively, alongside a structural similarity index (SSIM) of 0.95. For MRI tumor removal, the model attained a root mean squared error (RMSE) of 0.053, a peak signal-to-noise ratio (PSNR) of 26.77, and an SSIM of 0.918. While the framework demonstrated competitive performance in MRI-to-sCT and CBCT-to-sCT tasks, it did not reach SOTA benchmarks, potentially due to sensitivities in data pre and post-processing pipelines or specific loss function configurations. These results demonstrate that VS-DDPM provides a robust and tunable solution for high-fidelity 3D medical image synthesis. The code is available in https://github.com/andre-fs-ferreira/SynthRAD_by_Faking_it.