Soft Tuy-Completeness for Robust Projection Selection in Cone-Beam CT

Riepilogo Tecnico: Completezza Soft Tuy per la Selezione Robusta delle Proiezioni nella TC a Fascio Conico

Enunciato del Problema
Nella Tomografia Computerizzata a Fascio Conico (CBCT), in particolare per l'imaging focalizzato su Regioni di Interesse (ROI), le traiettorie circolari o elicoidali standard spesso non soddisfano la condizione di completezza dei dati di Tuy. Tale condizione richiede che ogni piano che interseca l'oggetto intersechi anche il percorso della sorgente di raggi X. Sebbene teoricamente elegante, la completezza classica di Tuy è binaria: una traiettoria è completa o non lo è. Questa natura "colpisci o sbagli" non fornisce alcun gradiente per guidare l'ottimizzazione, rendendo difficile progettare traiettorie sotto vincoli pratici come dimensioni finite del rivelatore, limiti meccanici e budget di dose di radiazione. Inoltre, le approssimazioni discrete esistenti spesso si basano su euristiche greedy senza garanzie di ottimalità o non tengono conto del supporto direzionale graduato e degli effetti di attenuazione. La sfida centrale affrontata è come formulare la selezione delle proiezioni come un problema di ottimizzazione continuo e consapevole della risoluzione che colmi il divario tra la teoria della completezza geometrica e la qualità pratica della ricostruzione dell'immagine.

Metodologia
Gli autori propongono un framework fondato sulla teoria di Tuy ma riformulato per l'ottimizzazione discreta e vincolata:

1. Punteggio di Quasi-Ortogonalità Soft: La condizione binaria di Tuy è sostituita da un punteggio "soft" continuo e differenziabile. Invece di una decisione 0/1, il metodo calcola una misura graduata di quanto un raggio sorgente sia vicino all'essere ortogonale a una normale di piano di Radon campionata. Questo punteggio decade linearmente da 1 (ortogonalità perfetta) a 0 (soglia binaria), consentendo un paesaggio di ottimizzazione fluido.
2. Copertura Saturata Consapevole della Risoluzione: La funzione obiettivo massimizza la "copertura saturata", che accumula contributi parziali da più viste per una data direzione ma limita il totale a 1. Questa formulazione integra i requisiti di campionamento angolare basati su Nyquist (collegando la dimensione delle caratteristiche ai gap angolari) e i vincoli di validità basati sull'attenuazione (filtrando i raggi con attenuazione eccessiva).
3. Analisi della Complessità: Il documento definisce formalmente il Problema di Ottimizzazione della Traiettoria TC Basata su ROI (ROI-CTTOP). Dimostra che la variante decisionale di questo problema è NP-completa tramite riduzione in tempo polinomiale dal problema della Copertura degli Insiemi. Di conseguenza, le varianti di ottimizzazione sono NP-difficili.
4. Algoritmi di Ottimizzazione:
   • Algoritmo Greedy: Sfruttando la struttura submodulare dell'obiettivo di copertura, viene impiegato un algoritmo greedy a guadagno marginale. Offre una garanzia di approssimazione dimostrabile di $(1 - 1/e)$ e ha un tempo di esecuzione di $O(kmn)$.
   • Programmazione Lineare Intera Mista (MILP): È stata sviluppata una formulazione MILP esatta per fornire limiti di ottimalità certificati. Gli autori utilizzano il MILP non come ottimizzatore concorrente per l'uso in tempo reale, ma come "certificato di qualità" per valutare la soluzione greedy.
   • Estensione Multi-ROI: Il framework si estende a più ROI raggruppando gli obiettivi e ottimizzando congiuntamente un insieme di viste condiviso, gestendo i conflitti geometrici attraverso obiettivi ponderati.
5. Metrica di Validazione (ESR): Viene introdotta una nuova metrica, la Risoluzione Spaziale Effettiva (ESR). Mappa direttamente i gap di campionamento direzionale alle dimensioni delle caratteristiche risolvibili (in mm) senza richiedere la ricostruzione dell'immagine, fungendo da strumento diagnostico basato sulla fisica.

Contributi Chiave

• Formulazione Continua: Sostituisce la condizione binaria di Tuy con un punteggio di quasi-ortogonalità soft e differenziabile e un obiettivo di copertura saturata, consentendo un'ottimizzazione graduata.
• Garanzie Teoriche: Stabilisce l'NP-completezza del ROI-CTTOP e fornisce un algoritmo greedy con una garanzia di approssimazione di $(1 - 1/e)$.
• Certificazione di Ottimalità: Dimostra che l'algoritmo greedy è vicino all'ottimo nella pratica, utilizzando il MILP per certificare che il divario tra la soluzione greedy e l'ottimo globale è trascurabile per le istanze studiate.
• Interpretabilità Fisica: Introduce l'ESR come una metrica agnostica rispetto al compito che correla i gap di campionamento geometrico con le dimensioni delle caratteristiche ottenibili, colmando la fase di selezione e il dominio dell'immagine.

Risultati Sperimentali
Gli esperimenti sono stati condotti su un componente in alluminio simulato con sei ROI target in quattro condizioni di occlusione (nessuna, lieve, moderata, severa).

• Greedy vs Esatto: In 240 confronti appaiati, il rapporto mediano raggruppato tra l'obiettivo greedy soft e l'ottimo MILP soft è stato 0,998. Nel 30% dei casi, la soluzione greedy è stata certificata come globalmente ottima. Ciò conferma che l'algoritmo greedy è vicino all'ottimo per questo specifico obiettivo.
• Soft vs Binario: Le formulazioni soft hanno superato significativamente le formulazioni binarie. A un budget di 100 proiezioni, i metodi soft hanno raggiunto un PSNR della ROI di ~36 dB, mentre i metodi binari (sia greedy che MILP) hanno raggiunto ~24 dB. Le prestazioni del modello binario sono degradate drasticamente sotto occlusione (l'ESR è aumentato da ~2,7 mm a ~14,5 mm), mentre i metodi soft sono rimasti stabili (ESR < 0,81 mm).
• Correlazione ESR: L'ESR ha mostrato una forte correlazione con la qualità della ricostruzione (MSE e PSNR), in particolare sotto occlusione dove i vincoli di validità erano attivi. La metrica ha previsto con successo le tendenze della qualità dell'immagine senza richiedere la ricostruzione.
• Multi-ROI: Il framework ha gestito con successo più ROI, con strategie di fusione ponderate sulla distanza che hanno superato la ponderazione uniforme.

Significato e Affermazioni
Il documento afferma che il fattore limitante nella qualità della traiettoria è rappresentazionale, non computazionale. La natura binaria della completezza classica di Tuy scarta informazioni graduati preziose, portando a traiettorie subottimali, specialmente sotto vincoli di attenuazione. Adottando un obiettivo di copertura continuo e soft:

1. L'ottimizzazione diventa trattabile e vicina all'ottimo: L'algoritmo greedy, spesso considerato un'euristica, si è dimostrato vicino all'ottimo per questa specifica struttura del problema, validato da certificati MILP esatti.
2. Robustezza ai vincoli: La formulazione soft è robusta ai vincoli di validità basati sull'attenuazione, mentre i modelli binari soffrono di un "effetto soglia" in cui le viste valide vengono perse, causando crolli catastrofici nella copertura.
3. Ponte Pratico: L'ESR fornisce un collegamento pratico e privo di ricostruzione tra la selezione geometrica e la qualità dell'immagine, consentendo una valutazione razionale della sufficienza della traiettoria.

Gli autori concludono che, sebbene la formulazione binaria offra una garanzia di completezza rigida, la formulazione soft continua è superiore per la CBCT focalizzata su ROI nella pratica, fornendo una qualità di ricostruzione più elevata e stabilità sotto vincoli di acquisizione realistici. Il lavoro sposta il paradigma dal "trovare la soluzione binaria perfetta" all'"ottimizzare una metrica di copertura continua e consapevole della risoluzione".