# 基于生成式AI的 3D PCCT 去噪算法研发：6个月工作计划

#### **第1个月：入职培训、环境部署与数据预处理**

**目标：** 完成企业与医院的入职流程，熟悉研发环境，完成数据清洗与经典深度学习 Baseline 的初步验证。

*   **第1-2周：入职与环境熟悉**
    
    *   完成西门子医疗中国及北京协和医院的入职手续与安全/合规培训。
        
    *   熟悉协和医院放射科驻场工作环境，获取联合实验室高性能计算集群（8卡A100）的访问权限及环境配置。
        
    *   与院方医生及西门子/FAU导师对齐项目最终预期，确认数据安全规范。
        
*   **第3-4周：数据处理与基础 Baseline**
    
    *   对 400 份 3D PCCT 数据（200例配对）进行清洗、预处理及标准化（划分训练集/验证集/测试集，后续创新算法按无配对设定处理）。
        
    *   跑通前几年经典的 3D CT 去噪深度学习网络（如 3D U-Net、RED-CNN 等），获取基础定量指标，熟悉 3D 数据的 I/O 与显存管理。
        

#### **第2个月：3D CycleGAN Baseline 搭建与严格评估**

**目标：** 建立公平且极具竞争力的无配对生成式 Baseline，确立评估标准。

*   **第1-3周：公平性控制下的 CycleGAN 训练**
    
    *   搭建 3D CycleGAN 架构。严格控制变量：确保 CycleGAN 的 Generator 与后续创新方法的 Encoder/Decoder 采用相同深度的 3D U-Net 主干网络。
        
    *   对齐超参数：使用相同的 3D patch size、batch size，并在无配对（unpaired）的数据划分下进行训练。
        
*   **第4周：多维度指标评估系统构建**
    
    *   **像素级：** PSNR/SSIM（明确其倾向于平滑结果的特性）。
        
    *   **感知级：** LPIPS（检验结构细节是否丢失）。
        
    *   **临床级：** HU 偏差统计（测量肝脏、肌肉等特定组织的 CT 值分布是否与真实正常剂量一致，排查系统性偏移）。
        
    *   **结构级：** 轴向一致性分数（测量相邻 slice 间的结构连续性）。
        

#### **第3个月：3D 潜空间构建与扩散模型基础验证**

**目标：** 解决 3D 数据显存瓶颈，构建高质量的解剖感知潜空间（Latent Space）。

*   **第1-2周：3D Latent Autoencoder 训练**
    
    *   构建并训练 3D 编码器 $E(\\cdot)$ 和解码器 $D(\\cdot)$。
        
    *   使用自编码重建损失 $$\\mathcal{L}\_{\\mathrm{AE}} = |D(E(u))-u|1 + \\beta,\\mathcal{L}{\\mathrm{perc}}$$，确保 latent 空间足够紧凑且保留解剖信息。
        
*   **第3-4周：潜空间分布定义与 Conditional Diffusion 探索**
    
    *   将低剂量（LD）和正常剂量（ND）数据映射至潜空间，获得潜分布 $\\nu\_{\\mathrm{LD}} = E\_{}\\mu\_{\\mathrm{LD}}$ 与 $\\nu\_{\\mathrm{ND}} = E\_{}\\mu\_{\\mathrm{ND}}$。
        
    *   初步运行基础的 Latent Conditional Diffusion 模型作为对照，分析其在“条件生成”而非“精准恢复”上的局限性，为后续薛定谔桥（SB）方法提供反面论证。
        

#### **第4个月：核心创新实现 (一) - Observation-Centered Schrödinger Bridge**

**目标：** 抛弃全局无条件桥，实现以低剂量输入为中心的 3D 潜空间薛定谔桥。

*   **第1-2周：参考过程与桥的定义**
    
    *   对每个输入低剂量体 $y$，编码得到 $z\_0 = E(y)$。
        
    *   定义一个以 $z\_0$ 为中心的 input-centered Ornstein–Uhlenbeck 参考过程： $$dZ\_t = -\\lambda(t)(Z\_t-z\_0),dt + \\sigma(t,y),dW\_t$$
        
*   **第3-4周：最优化桥接与主损失函数实现**
    
    *   在满足起点为 $z\_0$、终点边缘为 $\\nu\_{\\mathrm{ND}}$ 的路径分布中，求解最优桥 $Q^{z\_0,\*} = \\arg\\min\_{Q^{z\_0}} \\mathrm{KL}(Q^{z\_0},|,P^{z\_0})$。
        
    *   实现并调试薛定谔桥主损失 $\\mathcal{L}\_{\\mathrm{SB}}$，确保桥能够正确连接起始与目标分布，同时局部轨迹贴近参考过程，实现“保结构”的天然动力学约束。
        

#### **第5个月：核心创新实现 (二) - Barycentric Anchor 与方向约束**

**目标：** 融入 Noise2Flow 核心思想，利用软耦合提取平均恢复方向，完成模型调优与蒸馏。

*   **第1-2周：基于分布几何的平均恢复方向提取**
    
    *   在一个 batch 内，计算 LD 潜点 $z\_i^{\\mathrm{LD}}$ 与 ND 潜点 $z\_j^{\\mathrm{ND}}$ 之间的代价矩阵 $c\_{ij} = |z\_i^{\\mathrm{LD}} - z\_j^{\\mathrm{ND}}|^2$。
        
    *   利用 Sinkhorn/OT 算法计算软耦合矩阵 $\\pi\_{ij}$，提取 Barycentric target： $$\\bar{z}i^{\\mathrm{ND}} = \\frac{\\sum\_j \\pi{ij} z\_j^{\\mathrm{ND}}}{\\sum\_j \\pi\_{ij}}$$
        
    *   计算出分布诱导的平均恢复方向：$d\_i = \\bar{z}\_i^{\\mathrm{ND}} - z\_i^{\\mathrm{LD}}$。
        
*   **第3周：方向损失融合与联合训练**
    
    *   引入方向损失 $$\\mathcal{L}{\\mathrm{dir}} = 1- \\frac{ \\langle \\bar{v}\\theta(z\_i^{\\mathrm{LD}}), d\_i\\rangle }{ |\\bar{v}\_\\theta(z\_i^{\\mathrm{LD}})|, |d\_i| }$$ ，约束桥的 drift 早期方向。
        
    *   组合总损失 $$\\mathcal{L} = \\mathcal{L}{\\mathrm{AE}} + \\lambda{\\mathrm{SB}}\\mathcal{L}{\\mathrm{SB}} + \\lambda{\\mathrm{dir}}\\mathcal{L}{\\mathrm{dir}} + \\lambda{\\mathrm{tube}}\\mathcal{L}\_{\\mathrm{tube}}$$ 进行全链路联合训练。
        
*   **第4周：模型蒸馏（可选 / 进阶）**
    
    *   探索将训练期间学到的复杂桥演化压缩为 few-step 或 one-step 映射（$\\hat{z} = F\_\\phi(z\_0)$），提升测试与未来临床部署的推理效率。
        

#### **第6个月：总结评估、论文撰写与离职交接**

**目标：** 全面收尾项目，固化研究成果，完成企业及学校的结题与交接。

*   **第1-2周：最终验证与多维度对比分析**
    
    *   将创新方法（Observation-centered SB + Barycentric Direction）与前期的经典 DL Baseline、3D CycleGAN 进行全面对比。
        
    *   汇总 PSNR、LPIPS、HU 偏差、轴向一致性等定量结果，并与协和医院放射科医师进行定性（视觉效果、病灶保留度）交流反馈。
        
*   **第3周：论文撰写与答辩准备**
    
    *   整理实验数据，绘制图表，撰写实习/项目总结报告，以及为 FAU Pattern Recognition Lab 的项目论文做准备。
        
*   **第4周：工作交接与离职**
    
    *   整理代码仓库，完善注释与运行文档（Readme），确保西门子医疗及协和医院的后续跟进人员能够顺利复现。
        
    *   归还企业与医院资产，注销系统权限，完成西门子医疗的正式离职流程与实习鉴定。