TR-GS: High-Fidelity Sparse-View CT Volumetric Rendering via t-Distribution Gaussian Splatting and Ray-Confidence Modeling

L'imaging medico si è sempre basato su un delicato equilibrio tra chiarezza e sicurezza. Per vedere l'interno del corpo umano senza aprirlo, i medici utilizzano la tomografia computerizzata, o TC, che costruisce un'immagine tridimensionale a partire da centinaia di immagini radiografiche piatte scattate da diverse angolazioni. Più angolazioni vengono catturate, più chiara è l'immagine finale, ma ogni raggio X aggiuntivo aumenta l'esposizione alle radiazioni del paziente. Per decenni, l'obiettivo è stato quello di ottenere un'immagine nitida e utilizzabile con il minor numero possibile di raggi X, una sfida nota come ricostruzione a vista sparsa (sparse-view reconstruction). Quando vengono utilizzate troppe poche angolazioni, le immagini risultanti soffrono spesso di striature e sfocature, rendendo difficile individuare piccoli tumori o pianificare interventi chirurgici delicati. Sebbene i moderni computer siano ora in grado di generare scene 3D da fotografie, applicare queste tecniche alle scansioni mediche è stato complicato perché la matematica utilizzata per gli oggetti naturali non gestisce sempre l'incertezza e i dati mancanti presenti nelle scansioni mediche a basso dosaggio.

Un team di ricercatori della Università di Shenzhen ha sviluppato un nuovo metodo chiamato TR-GS per risolvere questo specifico problema. Invece di utilizzare le forme matematiche standard su cui si basa la maggior parte dei software di imaging 3D, hanno sostituito tali forme con una forma diversa, più flessibile, che è naturalmente più brava a ignorare gli errori. Nel mondo della computer grafica, le scene 3D sono spesso costruite da milioni di piccoli ellissoidi sfocati, o nuvole a forma di ovale, che fungono da pixel in tre dimensioni. I metodi standard utilizzano forme molto rigide e a "code sottili", il che significa che assumono che ogni dato sia perfetto e cerchino di adattare la forma esattamente ad esso. Quando i dati sono incompleti o rumorosi, come nelle scansioni TC a basso dosaggio, queste forme rigide faticano, portando a artefatti seghettati e strutture distorte. I ricercatori le hanno sostituite con una forma che possiede "code pesanti", una proprietà statistica che permette alla forma di essere più tollerante verso i dati errati senza perdere la struttura complessiva dell'oggetto.

Per rendere questo sistema ancora più efficace, il team ha aggiunto uno strato intelligente di giudizio al processo. Hanno creato un sistema che controlla quanta informazione ogni piccola forma 3D ha ricevuto dalle telecamere a raggi X. Se una forma è circondata da molti raggi X provenienti da diverse direzioni, il sistema la tratta come altamente affidabile e mantiene la sua forma precisa. Se una forma si trova in un punto in cui passano pochissimi raggi X, il sistema riconosce l'incertezza e permette a quella forma di diventare più flessibile e robusta, evitando di creare dettagli falsi. Questa regolazione dinamica avviene automaticamente durante il processo di apprendimento del computer, garantendo che le aree ben osservate rimangano nitide mentre le aree meno osservate non introducano rumore confondente.

I ricercatori hanno inoltre introdotto una tecnica per proteggere i dettagli fini dell'anatomia, come i bordi delle ossa o la texture dei tessuti molli, che a volte possono essere smussati dalle forme flessibili. Hanno utilizzato uno strumento matematico che separa l'immagine in diversi livelli di dettaglio, permettendo al computer di potenziare le caratteristiche nitide ad alta frequenza nelle aree in cui i dati sono affidabili, pur sopprimendo il rumore casuale nelle aree in cui i dati sono deboli. Ciò assicura che l'immagine finale mantenga la precisione necessaria per la diagnosi medica senza amplificare l'interferenza derivante dall'uso di meno raggi X.

Quando testato sia su modelli generati al computer che su scansioni reali di pazienti, questo nuovo approccio ha prodotto immagini significativamente più chiare rispetto ai metodi precedenti. Nei test utilizzando solo 18 viste a raggi X, un numero molto basso per una scansione standard, il nuovo metodo ha ricostruito le strutture interne con un punteggio di chiarezza di 35,30, una metrica che misura quanto l'immagine sia vicina all'originale perfetto. Questo è stato un miglioramento evidente rispetto alle migliori tecniche esistenti, che hanno ottenuto punteggi inferiori e mostravano più striature e sfocature. Il metodo si è anche dimostrato più resiliente quando i dati a raggi X contenevano rumore casuale, un problema comune nelle scansioni a basso dosaggio, mantenendo la propria accuratezza laddove altri metodi iniziavano a vacillare.

I risultati suggeriscono che questo approccio offre una via percorribile verso un imaging medico più sicuro. Consentendo ai medici di ottenere viste 3D di alta qualità con meno scatti a raggi X, questa tecnologia potrebbe ridurre le radiazioni che i pazienti ricevono durante le scansioni di routine, fornendo comunque le informazioni dettagliate necessarie per la pianificazione chirurgica e la valutazione delle malattie. I ricercatori hanno reso il loro codice disponibile al pubblico, invitando ulteriori sviluppi per applicare questi principi anche a scenari medici più complessi, come le scansioni effettuate da angoli limitati o per regioni corporee specifiche dove i dati sono più difficili da raccogliere.