CT合成PET不再只学真值:MedicalDPO用同一CT下候选的优劣排序微调,BBDM的LPIPS降11.67%
核心概要
布朗桥扩散模型在同一张CT条件下能生成多张质量不一的PET候选,但常规训练只逐样本对齐真值,没有利用这些候选之间的相对优劣。MedicalDPO把空间、强度、结构三个保真维度上的排序自动转成偏好对,再用相对去噪误差的偏好目标与原始布朗桥目标联合微调。在BBDM与CPDM两个骨干上,LPIPS、MAE、SSIM、PSNR四项指标均有改善;BBDM采用多对轮换时LPIPS与MAE分别下降11.67%和13.22%。
深度剖析
CT到PET的合成模型现在可以从自己生成的候选里学排序,而不只是对齐配对真值。同一张CT条件下随机采样会得到质量差别明显的PET图像,有的高摄取区定位准确,有的出现定位错误或强度偏差,这种条件内的质量层级此前没有被训练目标使用。 此前的布朗桥扩散训练对每个目标样本独立优化,不显式利用同一条件下多个候选之间的相对质量差异。 在BBDM上,多对轮换策略相对预训练骨干把LPIPS从0.1131降到0.0999、MAE从711.38降到617.31,对应11.67%和13.22%的降幅;单对策略也把LPIPS降到0.1006、MAE降到626.42。
偏好对不是人工标注的,而是由三个互补的保真维度自动筛出:空间保真看高摄取区的Dice,强度保真看MAE与注意力加权MAE,结构保真看SSIM。 三个维度各自排序后等权合并成总排名,只有同时落在总排名前5或后5、且至少被三个维度中的两个支持的候选才进入优池或劣池,再要求优者在这四项测量上全面胜过劣者才保留为偏好对。 Dice与其他指标的最佳候选一致率只有15.9%到21.6%,而MAE与WMAE的平均Spearman相关为0.880、最佳候选一致率59.8%,说明空间维度携带了强度与结构排序未覆盖的信息;保留的偏好对中,优者Dice为0.512、劣者为0.217,优者MAE为0.0095、劣者为0.0176。
偏好目标与原始布朗桥重建目标联合训练,用来锚住预训练的CT到PET映射,避免只做偏好微调时把绝对合成保真度推离原位。 消融中仅用DPO微调时,BBDM的LPIPS从0.1131升到0.1911、MAE从711.38升到2143.13,SSIM从0.8405降到0.5079;加入保留项后,BBDM单对策略的LPIPS为0.1006、MAE为626.42、SSIM为0.8591、PSNR为25.02。 对照还包括仅用真值继续微调,其结果接近基座模型,说明增益并非单纯来自额外训练;在CPDM上,单对策略把MAE从751.05降到711.74,降幅5.23%。
启示与展望
演示范围是二维切片级的CT到PET合成,在BBDM与CPDM两个布朗桥骨干上以LPIPS、MAE、SSIM、PSNR四项图像保真指标评估,测试集为246对切片,结果按三个随机种子平均。
评估主要停留在图像保真指标,尚未覆盖临床相关终点;合成目前基于二维切片而非原生三维翻译。正则权重由2.5K偏好子集上的敏感性分析选出,梯度几何分析给出的可行区间在不同随机子集间差异较大,因此只作为筛选依据而非普遍保证。
