Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction

1. Il Problema: Artefatti da Metallo e Instabilità Numerica nella CT

La Tomografia Computerizzata (CT) convenzionale modella il processo di acquisizione come un problema inverso lineare. Il modello standard assume che le misurazioni siano proiezioni lineari del segnale (trasformata di Radon). Tuttavia, la fisica reale dell'assorbimento dei raggi X segue la Legge di Beer-Lambert, che introduce una non linearità esponenziale:
$$y_i = 1 - \exp(-a_i^\top x)$$
dove $x$ è il segnale (densità del tessuto), $a_i$ è il vettore di misurazione e $y_i$ è l'intensità rilevata.

Nella pratica clinica, per utilizzare algoritmi di ricostruzione lineari efficienti (come la Filtered Back Projection o FBP), si applica un preprocessing logaritmico alle misurazioni grezze: $\hat{y}_i = -\ln(1 - y_i)$.

• Il limite: Questo passaggio logaritmico è ben condizionato solo quando $y_i \approx 0$. Diventa numericamente instabile quando $y_i$ si avvicina a 1 (assorbimento totale), situazione comune quando i raggi X attraversano materiali ad alta densità come metalli (es. impianti dentali, protesi) o in scansioni a bassa dose (pochi fotoni).
• Conseguenza: L'instabilità numerica genera artefatti a strisce ("metal artifacts") che oscurano i tessuti circostanti, rendendo difficile la diagnosi.

2. Metodologia: Ricostruzione Diretta Non Lineare

Gli autori propongono di evitare il preprocessing logaritmico e di ricostruire il segnale $x$ direttamente dalle misurazioni non lineari grezze $y_i$ risolvendo un problema di ottimizzazione non convesso.

• Funzione di Perdita: Si minimizza una funzione di perdita ai minimi quadrati (Least Squares) sulle misurazioni non lineari:
  $$L(z) = \frac{1}{2m} \sum_{i=1}^m (y_i - f(a_i^\top z))^2$$
  dove $f(\cdot) = 1 - \exp(-(\cdot)_+)$ e $(\cdot)_+$ indica la funzione ReLU (per garantire la non negatività fisica dell'integrale di densità).
• Algoritmo: Viene utilizzato il Gradient Descent (o sub-gradient descent, data la non differenziabilità di ReLU in zero) partendo da un'inizializzazione $z_0 = 0$.
• Ipotesi Teoriche: Per l'analisi teorica, i vettori di misurazione $a_i$ sono modellati come vettori gaussiani i.i.d. ($N(0, I_n)$), un'approssimazione comune nella teoria del Compressed Sensing che si è dimostrata valida anche per dati strutturati reali.

3. Contributi Chiave e Risultati Teorici

Il contributo principale del paper è la dimostrazione teorica che, nonostante la non convessità del problema, il Gradient Descent converge globalmente all'ottimo vero.

A. Convergenza Globale nel Setting Non Regolarizzato

• Teorema 1: Dimostra che il Gradient Descent converge al segnale vero $x$ con un tasso geometrico (lineare).
• Complessità del Campionamento: Il numero di misurazioni $m$ richiesto è dell'ordine di $O(n)$, dove $n$ è la dimensione del segnale. Questo è vicino al minimo teorico necessario anche per modelli lineari.
• Inizializzazione: Viene proposto uno step size specifico per la prima iterazione che garantisce l'ingresso in un intorno locale del segnale vero, da cui la convergenza diventa esponenziale.

B. Setting Regolarizzato (Compressed Sensing)

• Teorema 3: Estende i risultati al caso in cui il numero di misurazioni $m$ è molto inferiore alla dimensione del segnale $n$ ($m \ll n$).
• Struttura del Segnale: Viene introdotta una regolarizzazione convessa $R(z)$ (es. norma $\ell_1$ per la sparsità, o TV totale per immagini) per imporre struttura a priori.
• Complessità Ottimale: Il numero di misurazioni necessarie è proporzionale alla dimensione statistica del segnale (es. $O(s \log(n/s))$ per segnali $s$-sparsi). Questo dimostra che la ricostruzione non lineare diretta richiede lo stesso numero di misurazioni della ricostruzione lineare compressa, pur gestendo la non linearità fisica.

C. Robustezza al Rumore

• Teorema 2: Viene dimostrato che l'algoritmo è robusto al rumore additivo. La convergenza avviene fino a un "pavimento di rumore" (noise floor) determinato dalla varianza del rumore, senza divergere.

4. Risultati Sperimentali

Gli autori hanno validato la teoria su dati sintetici e reali utilizzando un setup Cone-Beam CT (CBCT) 3D.

• Dati Sintetici (Phantom Shepp-Logan):

  • Sono stati simulati oggetti con densità variabile da tessuti molli a "metallo".
  • Risultato: La ricostruzione lineare (con preprocessing logaritmico) produce artefatti gravi e distorsioni man mano che la densità aumenta. La ricostruzione non lineare diretta mantiene un'alta fedeltà (PSNR elevato) anche per densità estreme.
  • È stato dimostrato che il solo preprocessing logaritmico è sufficiente a generare artefatti, anche in assenza di altri fattori come l'indurimento del fascio (beam hardening).

• Dati Reali (Teschio Umano con Corone Dentali in Metallo):

  • Confronto tra il metodo proposto, un baseline lineare standard (FDK) e una ricostruzione commerciale di riferimento.
  • Risultato: Il metodo non lineare riduce drasticamente gli artefatti a strisce attorno alle corone dentali, rivelando dettagli anatomici che nel metodo lineare sono oscurati.

5. Significato e Impatto

Questo lavoro è significativo per diversi motivi:

1. Superamento dei Limiti Clinici: Offre una soluzione teorica e pratica al problema degli artefatti da metallo, uno dei maggiori ostacoli nella diagnostica CT (es. in odontoiatria e ortopedia).
2. Garanzie Teoriche: Fornisce le prime garanzie di convergenza globale per un problema di tomografia non lineare reale, dimostrando che la non convessità non è un ostacolo insormontabile se si utilizza l'ottimizzazione corretta.
3. Efficienza del Campionamento: Dimostra che si può ottenere una ricostruzione di alta qualità direttamente dai dati grezzi non lineari senza sacrificare l'efficienza del campionamento rispetto ai metodi lineari (anche in regime di Compressed Sensing).
4. Futuro della CT: Il metodo è particolarmente adatto per le nuove tecnologie di CT a conteggio di fotoni (photon-counting CT), che forniscono dati grezzi ad alta fedeltà, e per le scansioni a bassa dose dove il rapporto segnale-rumore è critico.

In sintesi, il paper dimostra che l'abbandono del preprocessing logaritmico a favore di un'ottimizzazione non lineare diretta, guidata dal Gradient Descent, porta a ricostruzioni più accurate, robuste e prive di artefatti, con solide basi matematiche che ne giustificano l'adozione.