基于随机点采样扩散模型的低剂量胸部CT钙化评分图像转换技术研究

本研究针对低剂量CT(LDCT)在冠状动脉钙化(CAC)评分中因高噪声导致的假阳性问题，创新性地提出结合随机点采样和中间采样技术的条件扩散模型，将LDCT转换为钙化评分CT(CSCT)图像。通过10次迭代实现1000次传统采样的效果，在PSNR(39.93±0.44)和Dice系数(0.73±0.10)等指标上显著优于CycleGAN等模型，为心血管风险筛查提供了高效精准的解决方案。

　　

心血管疾病是全球主要死因之一，冠状动脉钙化(CAC)评分作为重要风险评估手段，其准确性直接影响临床决策。传统钙化评分CT(CSCT)虽可靠，但低剂量CT(LDCT)作为肺癌筛查常规手段时，因噪声干扰导致钙化区域误判率高达30%。韩国峨山医学中心Ji-Hoon Jung团队在《Computers in Biology and Medicine》发表研究，通过改良的条件扩散模型实现LDCT到CSCT的精准转换。

研究采用两阶段图像配准（仿射+B样条）构建像素级配对数据，创新性提出：1）随机点采样技术，通过随机高斯噪声优化DDIM轨迹引导，将迭代次数从1000降至10；2）中间采样策略，在去噪前注入微量噪声以保护钙化结构。模型在37例测试中展现出突破性性能。

【Abstract】证实LDCT到CSCT转换可显著提升CAC评分准确性。【Methods】显示改进采样技术使推理速度提升100倍。【Results】显示转换后图像与专家标注钙化体积相关性(r=0.82)显著优于原始LDCT(r=0.61)。【Discussion】强调该方法首次实现LDCT钙化结构的跨模态保留，【Conclusions】指出模型使LDCT的CAC评分达到CSCT诊断标准。

关键技术包括：1）基于同一患者不同时期LDCT/CSCT的配对数据集构建；2）条件扩散模型架构设计；3）随机点采样算法优化；4）局部归一化互相关(LNCC)等医学影像特异性评价指标。

【Results】部分显示：1）定量分析中PSNR(39.93 vs 32.15)和SSIM(0.97 vs 0.91)均显著优于CycleGAN；2）钙化体积相关系数提升35%；3）迭代次数减少99%情况下保持结构完整性。【Discussion】指出该方法突破传统GAN的模式崩溃问题，通过α_t
^′
参数调控实现噪声-信号的精确平衡。

该研究开创性地将扩散模型应用于医学影像域适应，其临床价值在于：1）使肺癌筛查LDCT兼具心血管评估功能；2）采样效率满足实时临床需求；3）为多模态医学图像转换提供新范式。研究获韩国保健产业振兴院(KHIDI)和国家研究基金会(NRF)资助，相关技术已申请专利保护。