VS-DDPM：医療モダリティ変換のための低コストかつ効率的な拡散モデル

Abstract

拡散モデルは高品質な合成データを生成できますが、推論が遅いという課題があります。そこで本研究では、生成品質を維持しつつ、複数の要因によって推論を大幅に高速化するよう設計された3D可変ステップ 除去拡散確率モデル（3D Variable-Step Denoising Diffusion Probabilistic Model: VS-DDPM）を提案します。BraTS2025およびSynthRAD2025の各チャレンジの中で、4つの課題（欠損MRI、腫瘍除去、MRIからsCT、CBCTからsCT）に対して本手法を検証しました。両チャレンジによって課されるハードウェアおよび時間の制約下で高効率となるよう設計されています。VS-DDPMは、欠損MRIの合成において最先端（SOTA）の性能を達成し、それぞれ強調腫瘍、腫瘍コア、全腫瘍領域に対してDiceスコア0.80、0.83、0.88を得ました。また構造類似性指数（SSIM）は0.95でした。MRI腫瘍除去では、モデルは二乗平均平方根誤差（RMSE）0.053、ピーク信号対雑音比（PSNR）26.77、SSIM 0.918を達成しました。MRIからsCTおよびCBCTからsCTの課題においても競争力のある性能を示したものの、SOTAベンチマークには到達しませんでした。これは、データの前処理および後処理パイプラインにおける感度、あるいは特定の損失関数の構成が原因である可能性があります。これらの結果は、VS-DDPMが高忠実度な3D医用画像合成のための堅牢で調整可能な解決策を提供することを示しています。コードは https://github.com/andre-fs-ferreira/SynthRAD_by_Faking_it で公開されています。