Evaluating Bresenham-based Binary versus Siddon-based Weighted Ray-Tracing Algorithms for Sparse-View 3D Reconstruction of Coronary Vasculature

Resumen Técnico: Evaluación de los algoritmos de trazado de rayos binarios basados en Bresenham frente a los algoritmos de trazado de rayos ponderados basados en Siddon para la reconstrucción 3D de la vasculatura coronaria con vistas dispersas

Planteamiento del problema
La imagenología de brazo en C intervencionista es una herramienta estándar para guiar procedimientos cardíacos mínimamente invasivos, ofreciendo una exposición reducida a la radiación en comparación con la tomografía computarizada (TC) al utilizar un número limitado de proyecciones. Sin embargo, la reconstrucción de datos tridimensionales (3D) a partir de estas vistas dispersas (típicamente alrededor de 9 proyecciones) presenta un problema inverso severamente mal planteado. Los métodos analíticos estándar como la Retroproyección Filtrada (FBP) fallan bajo estas condiciones debido al submuestreo angular, lo que resulta en un aliasing severo y artefactos de estría. Además, las condiciones clínicas de dosis baja introduan niveles elevados de ruido cuántico de Poisson. El desafío central abordado en este trabajo es la inexactitud geométrica introducida por la aproximación matemática de la trayectoria de los rayos X a través de una rejilla de vóxeles discretos. Específicamente, el estudio investiga si la elección del proyector frontal —binario (Bresenham) frente a ponderado (Siddon)— limita fundamentalmente la capacidad de recuperar la morfología vascular precisa, particularmente en presencia de ruido y muestreo disperso.

Metodología
El estudio emplea un marco de validación de gemelo digital utilizando tres modelos coronarios específicos de pacientes derivados del Vascular Model Repository. Estos modelos sirven como verdad de campo para una simulación in silico del proceso de imagen de brazo en C.

1. Configuración de la simulación:

   • Generación de datos: Mallas vasculares 3D de alta resolución son proyectadas hacia adelante para generar 9 proyecciones 2D dispersas que abarcan un arco de 180°.
   • Modelado de ruido: Para simular las condiciones clínicas de dosis baja, se añade ruido de Poisson a las proyecciones, correspondiente a una intensidad incidente de $5 \times 10^3$ fotones por píxel.
   • Verdad de campo: Crucialmente, las proyecciones de verdad de campo son generadas mediante un modelo ponderado de alta fidelidad (Siddon) para evitar el "crimen inverso" (probar un algoritmo con el mismo modelo utilizado para generar los datos).

2. Marco de reconstrucción:

   • Solucionador: La reconstrucción utiliza la Técnica de Reconstrucción Iterativa Simultánea (SIRT) combinada con la minimización de la Variación Total (TV) para abordar la naturaleza mal planteada del problema y suprimir el ruido.
   • Optimización: El problema se formula como una optimización convexa regularizada: $\hat{x} = \arg\min_{x \ge 0} (||Ax - b||^2 + \lambda R(x))$, donde $A$ es la matriz del sistema (proyector), $b$ son los datos de proyección, y $R(x)$ es el término de regularización de TV.
   • Variables: La variable independiente principal es la matriz del sistema $A$, implementada de dos maneras distintas:
     • Enfoque Binario (Bresenham): Utiliza aritmética de enteros para seleccionar vóxeles basados en la proximidad al centro del rayo. Los vóxeles se asignan un peso de 1 si son intersectados y 0 de lo contrario, creando un efecto de "escalera".
     • Enfoque Ponderado (Siddon): Calcula la longitud geométrica exacta del segmento del rayo dentro de cada vóxel. Los vóxeles se asignan pesos fraccionarios continuos basados en estas longitudes de intersección, proporcionando precisión sub-voxel.

3. Métricas de evaluación:

   • Solapamiento Geométrico: Coeficiente de Similitud de Dice (DSC) e Índice de Jaccard (IoU) calculados sobre máscaras de vasos binarizadas.
   • Preservación de Volumen: Relación de Volumen (VR) comparando el volumen reconstruido con la verdad de campo.
   • Fidelidad de Intensidad: Error Cuadrático Medio (RMSE) calculado sobre volúmenes de escala de grises continuos antes de la binarización.

Contribuciones Clave
La contribución primaria de este trabajo es el aislamiento y la cuantificación de los errores geométricos inherentes a los algoritmos de trazado de rayos binarios en la reconstrucción de vistas dispersas. El estudio demuestra que:

• Limitación Fundamental de los Métodos Binarios: El algoritmo de Bresenham introduce un error base irreducible. Al tratar los rayos continuos como cadenas de vóxeles toscas, dilata artificialmente los límites de los vasos. Esta dilatación morfológica no puede ser corregida por la regularización (TV) posterior porque el error está embebido en la propia matriz del sistema $A$.
• Necesidad de Proyección Ponderada: El algoritmo de Siddon, al contabilizar los efectos de volumen parcial mediante longitudes de intersección exactas, actúa como un filtro de anti-aliasing espacial intrínseco. Esto permite que el solucionador iterativo converja en una solución que preserva los verdaderos límites morfológicos de la vasculatura.
• Interacción con la Regularización: El estudio destaca que, si bien la regularización de TV es efectiva para suprimir el ruido, su capacidad para preservar detalles anatómicos finos es contingente a la precisión del proyector frontal subyacente.

Resultos
Las evaluaciones cuantitativas y visuales a través de tres modelos coronarios distintos bajo condiciones de ruido de dosis baja simulada arrojaron los siguientes resultados:

• Desempeño Binario (Bresenham):

  • Exhibió un fallo geométrico significativo, caracterizado por un engrosamiento artificial de los vasos y una inflación de volumen.
  • Relación de Volumen: VR medio de $1.95 \pm 0.47$ (casi duplicando el volumen del vaso).
  • Solapamiento: Coeficiente de Dice medio de $0.61 \pm 0.05$ e índice de Jaccard de $0.44 \pm 0.05$.
  • Intensidad: Alto RMSE ($0.08 \pm 0.04$), indicando una pobre recuperación de los valores de atenuación física.
  • Visuales: Las reconstrucciones mostraron ramas adyacentes fusionadas y vasos distales fragmentados.

• Desempeño Ponderado (Siddon):

  • Demostró robustez al ruido y una fidelidad geométrica superior.
  • Relación de Volumen: VR medio de $1.05 \pm 0.11$ (sobreestimación mínima).
  • Solapamiento: Coeficiente de Dice medio de $0.80 \pm 0.06$ e índice de Jaccard de $0.67 \pm 0.09$.
  • Intensidad: El RMSE se redujo en más de un 50% a $0.03 \pm 0.03$.
  • Visuales: Preservó con éxito la morfología tubular y la conectividad de las ramas distales, con una supresión de ruido efectiva.

Significancia y Reivindicaciones
El artículo sostiene que la reconstrucción precisa de la vasculatura coronaria a partir de imágenes de brazo en C de vista dispersa y dosis baja es factible, pero estrictamente contingente al uso de algoritmos de retroproyección adecuados. Los autores afirman que la precisión geométrica fundamental de la matriz del sistema $A$ es un prerrequisito para cualquier reconstrucción exitosa, independientemente de la sofisticación de la regularización o el solucionador utilizado.

Específicamente, el estudio argumenta que:

1. Las aproximaciones binarias son insuficientes: Los artefactos de "escalera" introducidos por los trazadores de rayos binarios conducen a una dilatación morfológica que hace que los modelos reconstruidos sean inadecuados para aplicaciones clínicas cuantitativas (por ejemplo, la estimación de la Reserva de Flujo Fraccional), las cuales son altamente sensibles a las desviaciones del radio del vaso.
2. La proyección ponderada es obligatoria para la alta fidelidad: Para recuperar la conectividad de los vasos distales y mitigar la dilatación volumétrica, el proyector frontal debe utilizar un modelado de sub-vóxel preciso y ponderado (Siddon).
3. Implicaciones para la IA: Los hallazgos sugieren que los modelos de aprendizaje profundo entrenados con datos sintéticos generados con proyectores binarios toscos pueden aprender inherentemente representaciones erróneas de la física de los rayos X, codificando errores geométicos que persisten incluso cuando procesan datos clínicos reales.

El estudio concluye que, si bien el método ponderado mejora significamente la calidad de la reconstrucción, no resuelve completamente la reconstrucción de las estructuras vasculares más pequeñas, y se requiere trabajo futuro para abordar los artefactos de movimiento y refinar aún más la regularización para estructuras tubulares delgadas.