Gaussian splatting for sparse-view X-ray phase-contrast reconstruction in MHz tomoscopy

Resumen Técnico: Gaussian Splatting para la reconstrucción de contraste de fase de rayos X de vista dispersa en tomoscopia de MHz

Planteamiento del problema
La tomoscopia de MHz permite la obtención de imágenes de fenómenos dinámicos rápidos (por ejemplo, ondas de choque, cavitación, dinámica de fluidos biológicos) mediante la captura simultánea de proyecciones de rayos X desde múltiples ángulos dentro de un único pulso de láser de electrones libres (XFEL). Sin embargo, este enfoque enfrenta una severa limitación de datos: el número de vistas angulares está drásticamente restringido (típicamente cuatro en las implementaciones actuales de XFEL) en comparación con los cientos requeridos para la tomografía computarizada convencional. Esto convierte el problema de reconstrucción 3D en uno altamente subdeterminado.

El desafío se ve agravado por la física de las muestras biológicas blandas. En energías de rayos X duros, el decremento del índice de refracción ($\delta$) domina sobre el índice de absorción ($\beta$) por varios órdenes de magnitud. Los algoritmos de reconstrucción basados en la atenuación estándar fallan al no poder producir contraste en este régimen dominado por la fase. Los enfoques neuronales de vista dispersa existentes, como ONIX, operan exclusivamente en el régimen de absorción y no pueden recuperar $\delta$, mientras que los métodos iterativos tradicionales basados en vóxeles requieren un muestreo angular denso. Existe una necesidad crítica de una representación de la escena que sea compacta, rápida, diferenciable y físicamente fiel a la física del contraste de fase.

Metodología
Los autores adaptaron el 3D Gaussian Splatting (3DGS), desarrollado originalmente para la síntesis de vistas novedosas fotorrealistas, a la imagen de contraste de fase de rayos X. Las modificaciones principales incluyen:

1. Representación de la escena: Los primitivos estándar de 3DGS, que portan coeficientes de color de armónicos esféricos y opacidad, fueron reemplazados por parámetros físicos: el índice de absorción ($\beta$) y el decremento del índice de refracción ($\delta$) del índice de refracción complejo $n = 1 - \delta + i\beta$. Estos valores están restringidos a ser no negativos.
2. Geometría y proyección: La proyección de perspectiva fue reemplazada por una geometría de haz paralelo consistente con la tomoscopia de MHz. El compositado estándar de alpha-blending RGB fue sustituido por un modelo de acumulación de dos canales que integra $\beta$ y $\delta$ a lo largo de cada rayo.
3. Modelo de propagación diferenciable: Una innovación crítica es la integración de un modelo de propagación de Fresnel diferenciable. Los mapas de transmisión acumulados se pasan a través de este modelo para reproducir los hologramas de difracción de campo cercano registrados en el detector, incluyendo una función de dispersión de punto (PSF) gaussiana para simular el desenfoque del detector. Esto hace que todo el modelo de propagación sea diferenciable con respecto a todos los parámetros gaussianos, permitiendo la optimización conjunta basada en gradientes de la geometría y las propiedades del material a partir de mediciones de intensidad únicamente, sin recuperación de fase explícita.
4. Pipeline de entrenamiento: Debido a la falta de grandes conjuntos de datos experimentales de XFEL anotados, los autores desarrollaron un pipeline de simulación basado en la física. Utilizaron simulaciones de dinámica molecular (ESPResSo/PyOIF) para generar geometrías de glóbulos rojos (RBC) de grano grueso, voxelizarlas y asignar constantes ópticas de rayos X a 20 keV. Los hologramas de contraste de fase sintéticos se generaron utilizando raycasting acelerado por GPU y propagación de Fresnel.
5. Estrategia de optimización: El entrenamiento utilizó una función de pérdida compuesta que combina el error L1 por píxel, la Similitud Estructural (SSIM), un término de Correlación de Anillo de Fourier (FRC) y la Regularización de Variación Total. Se empleó una estrategia de acumulación de gradientes multivista, evaluando la pérdida de múltiples vistas simultáneas por iteración para imponer consistencia geométrica inter-angular y podar las Gaussianas inconsistentes.

Resultados Clave
El marco de trabajo fue probado en hologramas de RBC simulados utilizando 12 proyecciones de entrenamiento y 4 vistas de prueba retenidas.

• Desempeño: La mejor configuración (8,000 Gaussianas iniciales, tasa de aprendizaje de $2 \times 10^{-3}$, 4 vistas simultáneas) logró un SSIM de 0.870 y una métrica FRC (FRCM) de 0.096. La reconstrucción se completó en aproximadamente 15 minutos en una sola GPU NVIDIA A100.
• Análisis de métricas: El estudio destacó que el PSNR, un benchmark estándar para 3DGS, es un indicador engañoso para los datos holográficos. Una configuración con 244,000 Gaussianas alcanzó el PSNR más alto (19.7 dB) pero el SSIM más bajo (0.449). Esta configuración convergió a una solución degenerada de "solo absorción" que coincidía con las intensidades de fondo pero falló en reproducir las estructuras de franjas de Fresnel que codifican la señal de fase. Por el contrario, SSIM y FRCM identificaron correctamente las configuraciones que preservan la información de fase de alta frecuencia.
• Dinámica de optimización: De manera contraintuitiva, aumentar el conteo inicial de Gaussianas de 8k a 244k degradó la calidad estructural bajo las tasas de aprendizaje por defecto, sugiriendo que el cuello de botella reside en la dinámica de optimización más que en la capacidad de representación. La sintonización dirigida de la tasa de aprendizaje en una inicialización magra de 8k superó a un incremento de 30 veces en el conteo de primitivos.
• Recuperación de materiales: Los campos de materiales aprendidos fueron cualitativamente correctos, con los mapas de proyección de fase ($\delta$) dominando y los mapas de absorción ($\beta$) permaneciendo cerca de cero, lo cual es consistente con la física de tejidos blandos. Sin embargo, las relaciones $\delta/\beta$ por cada Gaussiana fueron cuantitativamente menores que los valores teóricos de la hemoglobina, lo que refleja la naturaleza intrínsecamente mal planteada de la recuperación de fase a partir de mediciones de intensidad únicamente.

Significancia y Reivindicaciones
El artículo establece el 3D Gaussian Splatting como una representación compacta, diferenciable y efectiva para la reconstrucción de contraste de fase de rayos X de vista dispersa. Los autores afirman que la descripción de la escena basada en partículas aborda intrínsecamente las restricciones de volumen de datos de la tomoscopia de MHz. Además, el modelo de propagación basado en la física y diferenciable permite una reconstrucción cercana al tiempo real, con una optimización que converge en escalas de tiempo compatibles con las restricciones de tiempo de haz (beamtime).

El trabajo demuestra que para datos holográficos o interferométricos, las métricas estándar como PSNR pueden ser engañosas, siendo esenciales las métricas estructurales (SSIM, FRCM) para evaluar la recuperación de la información de fase. Los autores identifican como prioridades inmediatas la extensión del método a múltiples pasos de tiempo de dinámica molecular para la reconstrucción 4D y la validación del enfoque contra proyecciones experimentales reales de una configuración de cuatro vistas simultáneas.