🔢 mathematics

Learning end-to-end inversion of circular Radon transforms in the partial radial setup

Dieses Paper schlägt einen auf Deep Learning basierenden Algorithmus unter Verwendung eines ResBlock U-Net vor, um zirkuläre Radon-Transformationen in partiellen radialen Setups für die photoakustische Tomografie effektiv zu invertieren und dabei die schweren Artefakte und Einschränkungen traditioneller Methoden der abgeschnittenen singulären Wertzerlegung zu überwinden.

Ursprüngliche Autoren: Deep Ray, Souvik Roy

Veröffentlicht 2026-07-14

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Deep Ray, Souvik Roy

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, ein perfektes Foto eines geheimen Objekts zu machen, das in einem nebligen, runden Raum versteckt ist. In der Welt der medizinischen Bildgebung ist dieser „Raum“ ein menschlicher Körper, und der „Nebel“ besteht aus Schallwellen. Diese Technik wird Photoakustische Tomographie (PAT) genannt. So funktioniert sie: Sie schießen einen kurzen Laserlichtblitz in den Körper. Das Licht wird absorbiert, der Körper erwärmt sich ein winziges Stück und dehnt sich aus, was eine Welle aus Schall erzeugt – wie ein winziger, unsichtbarer Donnerschlag. Sensoren, die am Rand des Körpers platziert sind, fangen diese Wellen auf.

Das große Rätsel lautet: Können wir uns diese Wellen ansehen und genau herausfinden, wie das versteckte Objekt im Inneren aussieht?

Die alte Art: Ein kaputtes Puzzle

Lange Zeit versuchten Wissenschaftler, dieses Rätsel mit einer traditionellen mathematischen Methode zu lösen, die „Truncated Singular Value Decomposition“ (TSVD) genannt wird. Stellen Sie sich das wie den Versuch vor, ein Jigsaw-Puzzle zu lösen, bei dem die Hälfte der Teile fehlt und die Teile, die man hat, mit statischem Rauschen bedeckt sind.

Die Autoren dieser Arbeit versuchten, diese alte Methode auf eine spezifische, knifflige Version des Problems anzuwenden, die „Partial Radial Setup“ genannt wird. Dies ist so, als würde man versuchen, das Puzzle zu lösen, während die Sensoren für eine kürzere Zeit als üblich zuhören, was bedeutet, dass sie nur Schallwellen erfassen, die noch nicht die volle Distanz durch den Raum zurückgelegt haben. Das Ergebnis? Eine Katastrophe. Die alte mathematische Methode erzeugte Bilder, die so voller seltsamer Streifen und geisterhafter Artefakte waren, dass das Bild völlig unbrauchbar war. Es war, als würde man versuchen, sein Gesicht in einem Spiegel zu sehen, der zersplittert und falsch wieder zusammengeklebt wurde.

Die neue Art: Ein superintelligenter Detektiv

Um dies zu beheben, entwickelten die Forscher einen neuen Typ von „Detektiv“ mithilfe von Deep Learning, speziell einer neuronalen Netzwerkarchitektur namens U-Net. Sie können sich dieses U-Net wie einen superklugen Schüler vorstellen, der das eigentliche Objekt noch nie gesehen hat, aber Millionen von Übungspuzzles studiert hat.

Das Coole daran ist: Anstatt zu versuchen, die mathematischen Gleichungen Schritt für Schritt wie ein Taschenrechner zu lösen, schaut das U-Net auf die chaotischen Schalldaten (das „Sinogramm“) und rät direkt, wie das Bild im Inneren aussehen sollte. Es ist, als würde man dem Detektiv eine verschwommene, verrauschte Skizze zeigen und er zeichnet augenblicklich ein perfektes, klares Porträt.

Das Trainingslager

Um diesen Detektiv zu trainieren, verwendeten die Forscher keine echten Patienten (da sie für diesen speziellen Aufbau noch keine Daten hatten). Stattdessen erstellten sie Tausende von künstlichen „Phantomen“ – digitale Bilder aus geschwungenen Ellipsen, die wie die berühmten Shepp-Logan-Phantome aussehen.

Sie nahmen diese künstlichen Bilder, ließen sie durch eine Computersimulation laufen, um die Schalldaten zu generieren, und speisten diese Daten dann in das U-Net ein. Sie trainierten das Netzwerk in zwei verschiedenen Szenarien:

Full View (Vollansicht): Sensoren rund um den Raum, die für die volle Dauer zuhören.
Limited View (Begrenzte Ansicht): Sensoren rund um den Raum, aber sie hören nur für die Hälfte des Winkelbereichs zu (was effektiv bedeutet, dass Daten aus der Hälfte der Richtungen erfasst werden), und die Daten sind verrauschter.

Entscheidend ist, dass sie das Netzwerk nicht nur mit perfekten, sauberen Daten trainierten. Sie trainierten es auch mit Daten, denen 15 % Rauschen hinzugefügt wurde. Warum? Weil Sensoren in der realen Welt nicht perfekt sind; sie sind verrauscht. Indem sie das Netzwerk darauf trainierten, mit dem Chaos umzugehen, lernte es, das Rauschen zu ignorieren und sich auf das echte Signal zu konzentrieren.

Die Ergebnisse: Klarheit vs. Chaos

Als sie ihren neuen Detektiv testeten, waren die Ergebnisse ein riesiger Sieg für das U-Net und ein totaler Verlust für die alte mathematische Methode.

Die alte Methode (TSVD): Wenn die Daten verrauscht oder die Sicht begrenzt war, wurden die Bilder ruiniert. Die Fehler waren so gravierend, dass die Rekonstruktion bei 15 % Rauschen um bis zu 400 % daneben liegen konnte. Es war im Gru richtigen Chaos aus Streifen.
Die neue Methode (U-Net): Das U-Net erzeugte scharfe, klare Bilder, die fast exakt wie die ursprünglichen künstlichen Phantome aussahnen. Selbst wenn die Eingangsdaten verrauscht oder die Sicht begrenzt war, geriet das Netzwerk nicht durcheinander.

Die Forscher maßen dies mit Standardwerten aus der Computer Vision, nämlich PSNR (Peak Signal-to-Noise Ratio) und SSIM (Structural Similarity Index). In diesen Simulationen erzielte das U-Net konsistent viel höhere Werte als die traditionelle Methode, was bewies, dass es das Bild mit hoher Treue rekonstruieren kann.

Was kommt als Nächstes?

Die Arbeit zeigt, dass dieser Deep-Learning-Ansatz in diesen Computersimulationen unglaublich gut funktioniert. Die Autoren weisen jedoch vorsichtig darauf hin, dass dies immer noch eine Simulation ist. Sie haben das Modell noch nicht an echten menschlichen Daten getestet. Sie schlagen vor, dass zukünftige Arbeiten komplexere Situationen angehen müssen, wie zum Beispiel, wenn Schall im Körper mit unterschiedlichen Geschwindigkeiten wandert, und sie wollen herausfinden, wie man misst, wie „sicher“ sich das Netzwerk bei seinen Vermutungen ist.

Aber für den Moment wurde die alte mathematische Methode in der Welt dieser digitalen Puzzles weit hinter sich gelassen, und ein neuer, rauschtoleranter Deep-Learning-Detektiv hat die Führung übernommen.

Technische Zusammenfassung: Erlernen der End-to-End-Inversion von kreisförmigen Radon-Transformationen im partiellen radialen Setup

Problemstellung
Diese Arbeit befasst sich mit dem inversen Problem der Rekonstruktion der initialen akustischen Schalldruckverteilung, $f(r, \theta)$ , aus Daten der kreisförmigen Radon-Transformation, $g(\rho, \phi)$ , im Kontext der photoakustischen Tomografie (PAT). Speziell konzentriert sich die Arbeit auf das partielle radiale Setup, ein Szenario, bei dem die Daten nur für Radien $\rho \in (0, R)$ statt für den vollen Bereich $(0, 2R)$ erfasst werden. Dieses Setup wird durch praktische Kostenbeschränkungen bei der Datenerfassung motiviert, stellt jedoch erhebliche mathematische Herausforderungen dar.

Die primäre Schwierigkeit besteht darin, dass der einzige existierende traditionelle numerische Algorithmus für dieses spezifische Setup die Methode der abgeschnittenen Singulärwertzerlegung (Truncated Singular Value Decomposition, TSVD) in Verbindung mit einer Trapezregel-Produktsumme ist. Die Autoren zeigen auf, dass TSVD unter schwerwiegenden Einschränkungen leidet:

Es erzeugt Rekonstruktionen, die durch signifikante Artefakte kontaminiert sind, was die Felder in vielen Fällen unbrauchbar macht.
Es erfordert einen problem- und rauschabhängigen Truncation-Parameter, der schwierig optimal zu wählen ist.
In Limited-View-Szenarien (wo die Winkeldaten auf eine Teilmenge von $[0, 2\pi)$ beschränkt sind, bedingt durch unzugängliche Transducer-Zonen) verschlechtern sich die TSVD-Rekonstruktionen weiter und versagen bei der Wiederherstellung der zugrunde liegenden Phantomstruktur.

Methodik
Um die Rechenengpässe und die Artefaktprobleme von TSVD zu überwinden, schlagen die Autoren einen End-to-End-Deep-Learning-Algorithmus vor, der auf einer ResBlock-basierten U-Net-Architektur basiert. Der Ansatz fällt unter die Klasse des „direkten Ansatzes“ des Deep Learning für inverse Probleme, bei dem ein neuronales Netzwerk lernt, die Rohmessungen direkt auf das rekonstruierte Bild abzubilden, ohne zwischengeschaltete traditionelle Rekonstruktionsschritte zu nutzen.

Vorwärtsmodell: Das Problem wird als $Y = F(X) + \eta$ formuliert, wobei $X$ das wahre Druckfeld (auf einem $128 \times 128$ Gitter) und $Y$ die kreisförmige Radon-Daten (Sinogramm) auf einem $\rho-\phi$ Gitter ist.
Netzwerkarchitektur: Ein U-Net wird eingesetzt, das aus einem kontraktierenden Zweig zur Extraktion multiskalarer Merkmale und einem expandierenden Zweig zur Wiederherstellung der räumlichen Auflösung besteht. Skip-Connections kombinieren Merkmale aus beiden Zweigen. Die Architektur ist für zwei spezifische Eingangsauflösungen angepasst:
- Full View: Eingangsgröße $128 \times 128$ ( $\rho \in [0, 1], \phi \in [0, 2\pi)$ ).
- Limited View: Eingangsgröße $64 \times 64$ ( $\rho \in [0, 1], \phi \in [0, \pi)$ ), was eine zusätzliche Interpolationsschicht erfordert, um die Ausgangsauflösung anzupassen.
Datensatzgenerierung: Da experimentelle Daten für dieses spezifische partielle radiale Setup nicht verfügbar sind, generieren die Autoren synthetische Datensätze unter Verwendung von gestörten Shepp-Logan-Phantomen. Diese Phantome werden durch Randomisierung der Ellipsenzentren, Achsen, Winkel und Intensitäten sowie durch Rotation und Translation modifiziert.
Trainingsstrategie: Die Netzwerke werden mit einer überwachten Lernstrategie unter Verwendung einer Mean Squared Error (MSE) Verlustfunktion trainiert. Entscheidend ist, dass die Autoren den Einfluss von Rauschen auf das Training untersuchen. Sie vergleichen Netzwerke, die auf sauberen Daten trainiert wurden, mit solchen, die auf einer Mischung aus sauberen und verrauschten Daten (speziell 15 % Rauschen) trainiert wurden. Ziel ist es, sicherzustellen, dass das Netzwerk gut auf verrauschte Testbedingungen generalisiert.
Optimierung: Die Netzwerke werden mit dem Adam-Optimizer über 300 Epochen mit $L2$ -Regularisierung trainiert.

Wesentliche Beiträge

Demonstration des Versagens von TSVD: Die Arbeit liefert numerische Belege dafür, dass die Standard-TSVD-Methode im partiellen radialen Setup zu schweren Artefakten führt, insbesondere unter Limited-View- und Rauschbedingungen, was oft zu Fehlern von bis zu 400 % bei hohem Rauschpegel führt.
End-to-End-Lernframework: Die Autoren führen eine U-Net-Architektur ein, die direkt die zugrunde liegende inverse physikalische Abbildung vom Sinogramm zum Druckfeld lernt und dabei die Notwendigkeit einer handgefertigten Regularisierung oder zwischengeschalteter linearer Rekonstruktionen umgeht.
Robustheit gegenüber Rauschen: Eine wesentliche Erkenntung ist, dass das Training des Netzwerks auf einer Mischung aus sauberen und verrauschten Daten (speziell bis zu 15 % Rauschen) die Generalisierung signifikant verbessert. Auf ausschließlich sauberen Daten trainierte Netzwerke versagen bei der genauen Rekonstruktion, wenn sie mit verrauschten Eingaben getestet werden, während das mit Rauschen augmentierte Training stabile, artefaktfreie Ergebnisse über das gesamte Rauschspektrum hinweg liefert.
Anpassung an Limited View: Die Studie erweitert den Deep-Learning-Ansatz erfolgreich auf das Limited-View-Setup (halbe Winkelabdeckung und gröbere radiale Abtastung) und zeigt, dass das Netzwerk die reduzierten Datendimensionen effektiv handhaben kann.

Ergebnisse
Die vorgeschlagene Methode wurde anhand quantitativer Metriken evaluiert: Peak Signal-to-Noise Ratio (PSNR) und Structural Similarity Index (SSIM).

Performance im Full View: Das mit verrauschten Daten trainierte U-Net (UNet128cn15) übertraf TSVD signifikant. Während die TSVD-Rekonstruktionen mit zunehmendem Rauschen von 0 % auf 15 % rapide degradierten, behielt das U-Net hohe PSNR- und SSIM-Werte bei und blieb über alle Rauschpegel hinweg stabil.
Performance im Limited View: Ähnlich verhielt es sich beim Limited-View-Setup (UNet64cn15): Der Deep-Learning-Ansatz lieferte genaue, artefaktfreie Rekonstruktionen. Im Gegensatz dazu waren die TSVD-Rekonstruktionen so stark durch Artefakte korrumpiert, dass die zugrunde liegende Phantomstruktur kaum noch erkennbar war.
Visuelle Qualität: Qualitative Ergebnisse bestätigten, dass die U-Net-Rekonstruktionen die strukturellen Details der Shepp-Logan-Phantome ohne die für die TSVD-Methode charakteristischen Streifenartefakte bewahrten.

Bedeutung und Ansprüche
Das Paper behauptet, dass der vorgeschlagene Deep-Learning-Algorithmus den Rechenengpass und die schweren Artefaktbildungen erfolgreich überwindet, die mit der TSVD-Methode für das partielle radiale Setup in der PAT verbunden sind. Die Autoren betonen, dass ihr Ansatz besonders bedeutsam ist, da er direkt auf den Rohmessungen operiert und die zugrunde liegende inverse Physik lernt, ohne auf eine traditionelle lineare Rekonstruktion als Vorstufe angewiesen zu sein.

Die Arbeit unterstreicht die Notwendigkeit, mit verrauschten Daten zu trainieren, um eine robuste Leistung in realen Szenarien zu erzielen, in denen Messrauschen unvermeidlich ist. Die Autoren kommen zu dem Schluss, dass, obwohl die aktuelle Arbeit auf synthetische Phantome und konstante Schallgeschwindigkeiten beschränkt ist, der vorgeschlagene Rahmen einen praktikablen Weg zur Lösung der PAT-Inversen Probleme bietet, bei denen traditionelle Methoden versagen. Zukünftige Arbeiten werden als Verallgemeinerung des Algorithmus auf nicht-konstante Schallgeschwindigkeiten und die Integration von Unsicherheitsquantifizierung via Bayesianischer Setups identifiziert, werden jedoch als zukünftige Richtungen und nicht als gegenwärtige Errungenschaften dargestellt.