Quantum CT via Dynamic Interval Encoding and Prior-Balanced QUBO Reconstruction

Résumé Technique : CT Quantique via l'Encodage d'Intervalle Dynamique et la Reconstruction QUBO Équilibrée par Priorité

Énoncé du Problème
La tomographie calculée par optimisation binaire quadratique non contrainte (QUBO) reformule la reconstruction d'images en un problème quadratique binaire résoluble par recuit quantique ou par des solveurs hybrides quantiques-classiques. Cependant, un goulot d'étranglement critique existe pour la CT en niveaux de gris : le « budget de variables binaires ».

• Encodage Global Fixe : Les approches traditionnelles assignent un encodage de plan de bits global fixe à chaque pixel. À mesure que la précision des niveaux de gris (profondeur de bits) augmente, le nombre de variables binaires, les couplages quadratiques et les plages de coefficients croissent rapidement, rendant l'instance QUBO trop volumineuse pour le matériel actuel.
• Encodage à Faible Nombre de Bits : Inversement, l'utilisation d'encodages globaux à faible nombre de bits introduit des erreurs de quantification substantielles, échouant à capturer les coefficients d'atténuation continus et les transitions structurelles subtiles inhérentes aux images en niveaux de gris.
  L'article identifie la nécessité de l'équilibre entre l'expressivité des niveaux de gris et les contraintes du budget de variables binaires disponible dans un seul tour d'optimisation QUBO.

Méthodologie
Les auteurs proposent un cadre de reconstruction qui remplace l'encodage global fixe par un Encodage d'Intervalle Dynamique combiné à une Optimisation Équilibrée par Priorité. Le processus opère via des cycles de raffinement itératifs :

1. Encodage d'Intervalle Dynamique :

   • Au lieu d'un codebook global, chaque pixel actif est encodé à l'aide d'un ensemble de candidats locaux centré autour de son estimation actuelle ($c_p^{(t)}$).
   • À l'intérieur d'un intervalle de recherche local $[c_p^{(t)} - r_p^{(t)}, c_p^{(t)} + r_p^{(t)}]$, la valeur du pixel est représentée par un vecteur binaire à faible nombre de bits (par exemple, 2 bits), produisant quatre valeurs candidates discrètes.
   • Cela permet au système d'utiliser un nombre compact de variables par tour tout en maintenant une haute résolution effective grâce à des mises à jour itératives.

2. Mise à Jour d'Intervalle Guidée par l'Atteinte de la Limite :

   • Après la résolution de l'optimisation binaire, le centre de l'intervalle est mis à jour vers la valeur de pixel décodée.
   • La largeur de l'intervalle ($r_p$) est ajustée de manière adaptative en fonction de la manière dont la solution interagit avec la limite de l'intervalle local actuel :
     • Atteinte de la Limite (Boundary Hit) : Si la solution se trouve à la bordure de l'intervalle, cela suggère une couverture insuffisante. L'intervalle est réinitialisé à la largeur de recherche initiale ($r_{init}$) pour étendre la recherche.
     • Atteinte de l'Intérieur (Interior Hit) : Si la solution se trouve à l'intérieur des limites, l'intervalle est contracté (réduit) pour affiner la précision locale.

3. Construction QUBO Équilibrée :

   • La fonction objectif combine un terme de fidélité aux données (cohérence de projection) et un a priori quadratique préservant les contours.
   • Pour assurer la stabilité, la méthode emploie une normalisation basée sur les percentiles pour équilibrer les échelles de coefficients des termes de données et de l'a priori avant de former la matrice QUBO finale. Cela empêche les coefficients extrêmes de dominer l'optimisation.
   • L'a priori utilise des poids de bordure adaptatifs dérivés d'une image de référence pour préserver les transitions structurelles sans les pénaliser excessivement.

Principales Contributions

1. Encodage d'Intervalle Dynamique : Les auteurs introduisent un mécanisme pour améliorer l'expressivité effective des niveaux de gris sans augmenter la profondeur de bits par tour. En mettant à jour les intervalles locaux à travers les tours, la méthode évite les problèmes d'évolutivité des encodages globaux à haute profondeur de bits.
2. Mécanisme de Mise à Jour Adaptatif : Une règle guidée par l'atteinte de la limite est développée pour basculer dynamiquement entre l'expansion de la recherche et le raffinement local, garantissant que l'algorithme ne reste pas piégé dans des minima locaux ou n'échoue pas à couvrir l'espace de solution réel.
3. Optimisation Équilibrée par Priorité : Le cadre intègre la cohérence des données dans le domaine de projection avec un a priori préservant les contours, utilisant une stratégie de normalisation pour stabiliser l'optimisation conjointe de ces termes concurrents.
4. Validation Matérielle : La formulation est validée sur le solveur de modèle binaire quadratique hybride (BQM) de D-Wave, démontrant l'exécutabilité sur un backend hybride quantique-classique soutenu par du matériel.

Résultats Expérimentaux
La méthode a été évaluée sur des tâches de CT en vues peu nombreuses (9 et 18 vues) et en faisceau divergent à angle limité utilisant des images de 32×32 (et un fantôme de 72×72 pour les tests de scalabilité).

• Performance : La méthode proposée (variantes Simulated Annealing et D-Wave Hybrid) a nettement surpassé les bases analytiques (FBP), itératives (SART, CGN), variationnelles (SART-TV, TV-PDHG) et de représentation (Gaussian, Spener).

  • Dans les expériences de vues peu nombreuses, la variante Hybride a atteint un PSNR moyen de 40,63 dB et un NRMSE de 0,0097, contre 33,55 dB et 0,0217 pour la meilleure base conventionnelle (TV-PDHG).
  • La méthode a reconstruit les structures et les distributions de niveaux de gris plus fidèlement, réduisant les artefacts de stries et les erreurs résiduelles.

• Analyse de l'Expressivité : Les comparaisons ont montré que l'encodage dynamique de 2 bits surpassait les encodages globaux fixes allant de 2 à 5 bits. L'approche dynamique a atteint un PS

• Études d'Ablation : Le retrait de l'a priori préservant les contours ou du mécanisme d'équilibrage des termes a entraîné une dégradation significative de la continuité structurelle et de la qualité de reconstruction, confirmant la nécessité de ces deux composants.

• Scalabilité : La méthode a réussi à reconstruire un fantôme de 72×72 (4 460 variables binaires) en utilisant des solveurs locaux et hybrides, bien que la difficulté d'optimisation augmente avec la taille de l'image.

Signification et Revendications
L'article affirme que le cadre proposé traite le goulot d'étranglement fondamental de la représentation dans la reconstruction CT par QUBO en niveaux de gris. En découplant l'exigence globale de profondeur de bits du budget de variables par tour via un encodage local dynamique, la méthode permet une reconstruction en niveaux de gris de haute fidélité sur le matériel quantique et hybride actuel.

• Les auteurs soulignent que les gains de performance découlent principalement de la représentation effective des niveaux de gris et du couplage stable fidélité-données/a priori, plutôt que des comportements spécifiques des solveurs.
• Ce travail sert de preuve de concept, démontrant que la conception de la représentation est centrale pour la reconstruction CT compatible avec le quantique.
• L'article note modestement que bien que la méthode fonctionne sur des instances plus grandes (72×72), la reconstruction CT par QUBO à grande échelle reste un défi en raison des contraintes de variables binaires et de profondeur de bits, identifiant cela comme une direction clé pour les travaux futurs impliquant des données bruitées et mesurées.