From Slices to Structures: Unsupervised 3D Reconstruction of Female Pelvic Anatomy from Freehand Transvaginal Ultrasound

Resumen Técnico: Reconstrucción 3D No Supervisada de la Anatomía Pélvica Femenina a partir de Ecografía Transvaginal de Mano Libre

Planteamiento del Problema
La ecografía volumétrica (US) ofrece un potencial significativo para mejorar la precisión diagnóstica en obstetricia y ginecología, particularmente para la anatomía pélvica. Sin embargo, su adopción clínica generalizada se ve obstaculizada por la dependencia de hardware especializado (sondas de barrido mecánico o sistemas de seguimiento externos) y protocolos de adquisición restrictivos. Los sistemas 3D existentes suelen ser engorrosos, costosos y sufren de una menor resolución en comparación con la ecografía 2D estándar. Además, los enfoques recientes de aprendizaje automático para la reconstrucción de volúmenes 3D a partir de barridos 2D de mano libre dependen típicamente de un entrenamiento supervisado con datos de pose de verdad fundamental (ground-truth) o seguimiento externo, que a menudo no están disponibles en entornos clínicos. Existe la necesidad de un método que pueda realizar una reconstrucción 3D precisa a partir de barridos de ecografía transvaginal (TVS) 2D estándar de mano libre, sin sensores externos, hardware de seguimiento o estimadores de pose preentrenados.

Metodología: TVGS (Transvaginal Gaussian Splatting)
Los autores proponen TVGS, un marco de trabajo no supervisado que adapta los principios del Gaussian Splatting a la física y geometría únicas de la ecografía. La metodología central involucra los siguientes componentes:

• Representación: La anatomía se modela como una colección de Gaussianas otrópicas 3D. Cada Gaussiana está definida por una posición media ($\mu$), una matriz de covarianza ($\Sigma$) que describe la forma y orientación, una opacidad ($o$) y una intensidad escalar ($I$).
• Rasterizador Diferenciable Consciente de la Sección (Slice-Aware): A diferencia del Gaussian Splatting óptico que depende de la proyección de perspectiva, el TVGS utiliza un rasterizador diferenciable optimizado para CUDA y personalizado para la ecografía. Este rasterizador trata cada sección de ultrasonido como una sección transversal plana. Calcula la intensidad de los píxeles agregando las contribuciones de las Gaussianas 3D basadas en su proximidad espacial al plano de la sección, utilizando la distancia de Mahalanobis para considerar las formas anisotrópicas. Este enfoque gestiona la naturaleza dispersa y no superpuesta de los barridos de TVS.
• Optimización Conjunta: El marco realiza una optimización de extremo a extremo (end-to-end) tanto de la estructura anatómica (parámetros de la Gaussiana) como de las poses de las secciones. Las poses de las secciones se inicializan basándose en un supuesto de barrido angular suave, pero se tratan como parámetros aprendibles. Durante la retropropagación, los gradientes fluyen a través del rasterizador para refinar tanto los parámetros de la Gaussiana como las transformaciones de cuerpo rígido de las secciones, permitiendo que el sistema se autocalibre frente al movimiento irregular de la sonda (jitter).
• Inicialización y Control de Densidad: Para asegurar una convergencia estable, el método emplea una inicialización "en la sección" (on-slice), distribuyendo los centros de las Gaussianas directamente en los planos de la imagen en lugar de de forma aleatoria en el espacio 3D. Además, un mecanismo de control de densidad poda las Gaussianas "inactivas" (aquellas con productos de intensidad-opacidad bajos) y las vuelve a sembrar en regiones activas para mantener la eficiencia computacional y la capacidad volumétrica.
• Objetivo de Entrenamiento: El sistema se optimiza mediante una función de pérdida híbrida que combina las pérdidas L1 y SSIM, impulsada puramente por la supervisión a nivel de imagen de las secciones 2D de entrada.

Contribuciones Clave

1. Reconstrucción Sin Sensores No Supervisada: La primera aplicación de Gaussian Splatting para ecografía 3D que no requiere seguimiento externo, trayectorias de verdad fundamental o estimadores de pose aprendidos.
2. Gaussian Splatting Adaptado a la Ecografía: Un novedoso marco volumétrico que adapta el Gaussian Splatting a la física de la ecografía, abordando específicamente la falta de redundancia de vistas y la naturaleza planar de las secciones.
3. Rasterizador Diferenciable Personalizado: Un rasterizador de alto rendimiento, optimizado para CUDA, diseñado para el renderizado basado en secciones bajo condiciones de muestreo altamente anisotrópicas (densas en el plano, dispersas a través del plano).
4. Optimización Conjunta de Pose y Escena: Una estrategia que refina las poses de las secciones junto con los parámetros de la escena, mejorando la robustez ante el movimiento irregular de la sonda típico de la adquisición de mano libre.

Resultados Experimentales
El método fue validado tanto en datos sintéticos (modelos de útero simulados con poses de verdad fundamental) como en datos clínicos reales de TVS de 10 pacientes.

• Métricas de Rendimiento: En datos sintéticos, el método logró una alta similitud estructural (SSIM 0.97–0.98) y PSNR (28–30 dB). En datos clínicos reales, superó a una línea base de representación neuronal implícita de última generación (ImplicitVol) en todas las métricas (SSIM, PSNR, LPIPS).
• Eficiencia: Una ventaja significativa de TVGS es la velocidad computacional. Mientras que la línea base ImplicitVol requería aproximadamente 3 horas para converger en datos reales, TVGS logró resultados superiores en 11–16 minutos.
• Robustez: El método demostró robustez ante un jitter de movimiento moderado (desviación de hasta el 2.5%) mediante la optimización de pose conjunta. Sin embargo, el rendimiento disminuyó ante niveles de jitter extremos (5%), donde el prior geométrico de la línea base de pose fija resultó ser más seguro.
• Generalización: El modelo mostró una fuerte generalización de visión cruzada, siendo capaz de reconstruir estructuras anatómicas (por ejemplo, útero, endometrio) desde una sola vista (sagital o transversal) y renderizarlas en la vista ortogonal.
• Velocidad de Renderizado: El marco soporta el renderizado en tiempo real, alcanzando tasas de fotogramas de ~55 FPS para escenas con 50,000 Gaussianas y ~229 FPS para escenas más pequeñas.

Significancia y Reivindicaciones
El artículo sostiene que el TVGS demuestra que se puede lograr una reconstrucción 3D precisa a partir de imágenes de ultrasonido 2D mediante medios puramente computacionales, eliminando la necesidad de hardware especializado. Al aprovechar los supuestos geométricos y optimizar los primitivos Gaussianos anisotrópicos directamente desde las secciones 2D, el método ofrece una alternativa escalable, eficiente en memoria y libre de hardware a los sistemas 3D convencionales.

Los autores posicionan este trabajo como un paso hacia la habilitación de nuevas oportunidades para el análisis y diagnóstico asistido por IA en ginecología. Señalan que, aunque persisten desafíos —específicamente respecto a la alineación de múltiples vistas ortogonales y el logro de un rendimiento de tiempo real real durante el proceso de escaneo—, el método proporciona una base para la reconstrucción volumétrica basada en datos que reduce la barrera para el despliegue clínico de la ecografía de bajo costo. El trabajo no pretende reemplazar inmediatamente los sistemas 3D existentes, sino que ofrece una vía viable para generar volúmenes de alta fidelidad a partir de equipos 2D estándar sin necesidad de seguimiento dependiente del operador.