RELICT-NI：神经影像合成数据中的副本检测框架及其在非增强CT和TOF-MRA中的应用研究

《Neuroinformatics》：RELICT-NI: Replica Detection in Synthetic Neuroimaging—A Study on Noncontrast CT and Time-of-Flight MRA

本研究针对生成模型在合成神经影像数据时可能出现的记忆化问题，提出了RELICT-NI（REpLIca deteCTion-NeuroImaging）框架。该研究通过图像级、特征级和分割级三个互补分析方法，在非增强头CT（NCCT）和时间飞跃法MR血管成像（TOF-MRA）两个临床相关应用中验证了框架的有效性。结果显示，在NCCT用例中，图像级和特征级分析在最佳阈值下实现了完美的副本检测（平衡准确度=1），而TOF-MRA用例中分割级分析达到最高平衡准确度（0.79）。该框架为神经影像生成模型的标准化验证提供了重要工具，有助于促进神经影像数据的负责任和符合伦理的合成与共享。

　　

在人工智能迅猛发展的今天，医学影像分析领域正迎来深刻变革。深度学习模型在放射学、组织病理学和皮肤病学等领域的诊断工作流程中展现出巨大潜力，但其发展严重依赖大规模、高质量的训练数据。然而，医疗数据的收集面临诸多挑战：敏感数据的共享限制、高昂的采集成本以及专家标注的稀缺性，这些因素共同制约着稳健、可泛化模型的开发。

为破解这一困境，研究人员开始利用生成对抗网络（GAN）和扩散模型（DM）等生成模型创建合成医学影像。这些合成数据能够增加训练集的多样性，提高下游深度学习模型的公平性、泛化能力和性能。在神经影像领域，合成数据已被成功用于多种应用，旨在提升模型的泛化能力和性能。

但是，生成模型存在一个不容忽视的风险：记忆化（memorization）。这种风险可能导致模型生成与训练数据几乎相同的副本（replica），从而造成敏感信息的意外泄露。这不仅限制了合成数据的实用性，更危及患者隐私。医疗影像数据如同指纹一样，可能成为独特的可识别生物特征信息，这种脆弱性可能被恶意攻击者利用，例如通过成员推理攻击（membership inference attacks）推断个体是否包含在训练数据集中。

尽管存在数据保护法规、伦理指南和人工智能研究清单，但对合成神经影像数据生成中记忆化的实证分析仍然探索不足。更严重的是，目前缺乏标准化的工具和方法来进行副本检测，不同研究采用的方法各异，这凸显了开发统一、易用解决方案的迫切性。

神经影像数据具有其独特性：大脑图像本质上是三维容积数据，需要专门的预处理（如去颅骨和强度归一化），这些处理会改变其统计特性。此外，神经影像模态必须捕捉细微的、个体特异的解剖变异和病理变化，这些可能无法通过常规的相似性度量来捕捉。因此，有效的副本检测框架必须为三维、预处理后的容积数据量身定制。

在此背景下，来自德国柏林夏里特医学院等机构的研究团队在《Neuroinformatics》上发表了题为“RELICT-NI: Replica Detection in Synthetic Neuroimaging - A Study on Noncontrast CT and Time-of-Flight MRA”的研究论文。该研究提出了RELICT-NI框架，旨在检测合成神经影像数据集中的副本，为生成模型的验证提供标准化工具。

研究人员开发了RELICT-NI框架，通过三个互补的视角评估合成图像与真实图像之间的相似性。首先，图像级分析直接比较体素强度，使用平均绝对误差（MAE）、均方根误差（RMSE）和结构相似性指数（SSIM）等指标。其次，特征级分析利用预训练的医学基础模型MedicalNet提取图像的特征表示，通过RMSE和余弦相似度比较这些特征嵌入，以捕捉原始像素值中不明显的医学相关差异。最后，分割级分析通过比较分割掩模（如NCCT图像中的出血病变区域或TOF-MRA中的威利斯环动脉分段）来关注临床意义的感兴趣区域，使用Dice系数和平均表面距离（ASD）进行评估。

研究采用了距离比（distance ratio）方法来进行副本决策。对于每个合成图像，计算其与训练集中所有图像的距离度量值，识别出最相似的训练图像，然后计算最相似图像的距离与最近n个训练图像平均距离的比值。通过设定阈值，可以根据该距离比判断合成图像是否为副本。

为验证框架有效性，研究选择了两个临床相关的神经影像应用场景。用例一涉及合成三维非增强头CT（NCCT）伴脑出血（ICH）数据，使用潜在扩散模型（latent diffusion model）在774个扫描数据上进行训练。用例二涉及合成健康三维时间飞跃法磁共振血管成像（TOF-MRA）数据，使用三维StyleGANv2架构在1782个容积数据上生成威利斯环图像。

视觉评分作为副本检测的参考标准，由两名资深评估员使用4点Likert量表对每个合成图像与其最相似的训练图像进行独立评估。评分≥3的图像被归类为副本。

视觉评分结果

在NCCT用例中，评估员将50个合成图像中的45个（90%）判定为副本，其余5个为非副本。在TOF-MRA用例中，仅5个图像（10%）被判定为副本，45个为非副本。评估员间的一致性在NCCT用例中为92%，在TOF-MRA用例中为82%。视觉评分结果显示两个用例间的副本百分比存在明显差异。

副本检测性能

在NCCT用例中，图像级和特征级分析的所有度量都能够在最佳阈值下完美识别副本，与视觉评分完全一致（平衡准确度=1）。分割级度量的Dice和ASD平衡准确度略低，分别为0.96和0.98。基于RMSE的预选择方法识别的最接近图像也被所有其他度量在47/50的图像中识别为最接近图像。

在TOF-MRA用例中，分析的度量对所有50个合成图像都识别了不同的最接近训练图像。分割级ASD度量实现了最高的副本检测准确度，在二分类和多分类设置中的平衡准确度分别为0.8和0.79。所有分析的图像级和特征级度量的平衡准确度均低于0.72。

为自动化副本检测，研究还评估了RELICT-NI在更大样本上的应用。基于视觉评分，选择特征余弦相似度的阈值0.25，该阈值在额外的1000个合成案例上显示出良好的泛化能力，将905个案例标记为副本，与视觉评分子集中的比例一致。

讨论与结论

本研究证实了生成模型在神经影像生成应用中存在记忆化现象，这与医学和自然图像生成研究中的先前报告一致。两个用例间副本百分比的显著差异（NCCT为90%，TOF-MRA为10%）可能源于多种因素。在NCCT用例中，研究人员在小型数据集（774个高分辨率三维图像）上训练了大型扩散模型，且数据集中包含同一患者的基线和随访图像，这种数据重复可能增加记忆化风险。

图像级和特征级分析与NCCT用例中的视觉评分最为一致，反映了容积对之间近乎相同的外观。而对于TOF-MRA，分割级分析优于图像级和特征级方法，可能是因为图像显示出更抽象的相似性（如血管解剖结构、分叉），这些相似性无法被图像或特征级比较完全捕捉。

记忆化对模型开发、下游合成数据使用和共享具有重要影响。记忆化的图像不太可能有益于下游任务，因为它们无法提供额外的数据多样性。RELICT-NI框架可以过滤掉生成的数据库中有价值的独特图像，有助于解决医学深度学习模型中的数据多样性问题。

对于使用RELICT-NI进行副本检测，研究人员提出多项建议：最佳副本检测阈值因数据集和比较度量而异，建议使用该框架识别最可能是副本的合成-真实数据对，而不是依赖单一阈值；应考虑生成模型的训练设置，特别是如果使用数据增强进行训练，RELICT-NI不能保证找到最接近的真实图像；对于大型训练数据集，图像级分析可能计算成本高昂，在这种情况下应优先使用医学基础模型嵌入的余弦相似度。

当前指南主要关注预测性AI性能和报告，对生成模型潜在挑战的适应性有限。研究结果表明，标准化副本检测框架可以识别合成数据集中的副本，为数据集可靠性和质量提供见解。研究人员提倡提高对合成数据共享风险的认识，并将副本检测要求纳入生成AI报告指南。

RELICT-NI框架是医学影像生成研究中一个重要但常被忽视的质量保证步骤。开发标准化副本检测方法并将其纳入神经病学、放射学和医学领域的AI研究清单，对于确保生成AI在医疗应用中稳健性至关重要。识别记忆化并防止训练数据重复对于防止生成模型侵犯患者隐私至关重要。该研究为生成模型的标准化和严格验证实践迈出了重要一步，有望实现更安全的合成神经影像数据共享。