A Reciprocity-Law-Compliant Photoacoustic Forward-Adjoint Operator

1. O Problema

A Tomografia Fotoacústica (PAT) é uma modalidade de imagem híbrida que combina o alto contraste óptico com a alta resolução espacial acústica. O processo físico envolve duas etapas: a geração de uma distribuição de pressão inicial devido à absorção de luz e a propagação dessa pressão como ondas acústicas.

O problema inverso na PAT consiste em reconstruir a distribuição de pressão inicial a partir de medições de pressão realizadas na superfície de detecção ao longo do tempo. Para resolver esse problema de forma eficiente e precisa, especialmente em frameworks de minimização iterativa, é essencial definir um par de operadores Forward (Direto) e Adjoint (Adjoint) que sejam matematicamente consistentes.

O desafio central abordado neste trabalho é garantir que a relação entre o operador direto e o adjunto satisfaça rigorosamente a Lei de Reciprocidade da Física. Muitos métodos existentes lidam com a discretização e a restrição de campos em superfícies de forma que introduzem inconsistências ou dependem de suposições de suavidade que não capturam adequadamente as singularidades (como a natureza instantânea da fonte fotoacústica e a restrição de campo ao limite).

2. Metodologia

O autor propõe uma extensão do framework de operadores forward-adjoint desenvolvido em um estudo anterior para o contexto específico da PAT. A metodologia baseia-se nos seguintes pilares:

• Operador de Recepção e Emissão: O operador acústico direto inclui um "operador de recepção" que mapeia o campo de pressão no espaço livre para a superfície do receptor. Este operador é projetado para ser o inverso à esquerda de um "operador de emissão" que mapeia fontes no limite para o espaço livre. Essa relação garante a reciprocidade.
• Regularização de Singularidades:
  • Fonte Fotoacústica: A geração de pressão é tratada como um evento instantâneo. Para evitar singularidades temporais, o autor utiliza uma distribuição delta de Dirac regularizada no tempo ($\delta_q(t)$).
  • Restrição de Fronteira: A extração do campo na superfície do receptor é tratada como uma singularidade no gradiente normal. Para regularizar isso, utiliza-se uma distribuição delta de Dirac regularizada no espaço ($\delta_b$), onde $b$ é um parâmetro de largura de banda.
• Operador Composto: O operador forward completo da PAT é definido como a composição de um operador de fonte fotoacústica ($Q$) e um operador acústico forward ($A$). O operador adjunto correspondente é derivado matematicamente como a composição dos adjuntos desses dois operadores ($Q^* \circ A^*$).
• Formulação Matemática:
  • O problema é formulado como uma minimização de mínimos quadrados com restrição de positividade.
  • Utiliza-se um sistema de três equações de onda de primeira ordem acopladas para a implementação numérica.
  • A discretização emprega um método pseudo-espectral no espaço ($k$-space) e diferenças finitas no tempo, com condições de contorno absorventes (PML - Perfectly Matched Layers) para simular o espaço livre.
• Verificação de Consistência: A relação de produto interno entre o operador forward e o adjunto é verificada numericamente para garantir que $\langle Ax, y \rangle = \langle x, A^*y \rangle$.

3. Principais Contribuições

1. Conformidade com a Lei de Reciprocidade: O trabalho define rigorosamente um par de operadores forward-adjoint que respeita a lei de reciprocidade física, tratando a recepção de dados na fronteira como uma singularidade suavizada (smeared singularity) no gradiente normal.
2. Operador de Recepção Escalado: Introduz-se uma variante escalada do operador de recepção que remove a dependência indesejada da largura de banda do delta regularizado, resolvendo problemas de não unicidade encontrados em formulações anteriores.
3. Tratamento Unificado de Singularidades: O artigo oferece uma abordagem coerente para regularizar tanto a singularidade temporal da fonte fotoacústica quanto a singularidade espacial da restrição de campo à superfície de detecção.
4. Validação Numérica Rigorosa: O operador é testado em duas configurações distintas:
   • Receptores "On-Grid": Onde os receptores coincidem com os pontos da malha computacional.
   • Receptores "Off-Grid": Uma configuração mais realista onde os receptores estão posicionados em uma fronteira circular que não coincide necessariamente com os pontos da malha.
5. Reconstrução Iterativa: Demonstra-se a eficácia do par de operadores em um framework de minimização iterativa para reconstruir imagens de alta qualidade a partir de dados de fronteira do tipo Dirichlet.

4. Resultados

Os experimentos numéricos foram realizados em domínio 2D utilizando a toolbox k-Wave e implementações personalizadas para os operadores de fronteira.

• Verificação do Produto Interno:
  • Para receptores alinhados com a malha (on-grid), o erro relativo na identidade do produto interno foi de aproximadamente $9.32 \times 10^{-4}\%$.
  • Para receptores fora da malha (off-grid), o erro foi ainda menor, de aproximadamente $2.07 \times 10^{-5}\%$.
  • Esses resultados confirmam a consistência matemática e a precisão numérica do par de operadores derivado.
• Reconstrução de Imagem:
  • Um cenário de simulação com um fantoma de vasos sanguíneos foi utilizado.
  • Dados sintéticos foram gerados com ruído aditivo gaussiano branco (30 dB).
  • A reconstrução foi realizada em uma malha diferente daquela usada na simulação (para evitar o "crime inverso"), utilizando um algoritmo de descida de gradiente projetado.
  • O algoritmo convergiu em 25 iterações, mostrando uma convergência monótona da função objetivo.
  • As imagens reconstruídas apresentaram alta fidelidade qualitativa e quantitativa em relação à distribuição de pressão inicial real (ground truth), com erro relativo decrescente conforme as iterações avançavam.

5. Significado e Conclusão

Este trabalho é significativo porque estabelece uma base teórica e numérica robusta para a resolução do problema inverso na Tomografia Fotoacústica. Ao garantir que os operadores forward e adjoint obedeçam estritamente à lei de reciprocidade e ao tratar corretamente as singularidades físicas através de regularização, o método permite:

• Reconstruções Mais Precisas: A consistência matemática reduz artefatos e erros de reconstrução em algoritmos iterativos.
• Flexibilidade Geométrica: A capacidade de lidar com receptores "off-Grid" torna o método aplicável a configurações experimentais reais, onde os sensores raramente coincidem perfeitamente com uma malha computacional retangular.
• Fundamento para Aplicações Clínicas: A precisão e a estabilidade demonstradas sugerem que este framework é um passo importante em direção à tradução da PAT para aplicações clínicas, onde a qualidade da imagem e a confiabilidade quantitativa são críticas.

Em resumo, o artigo oferece uma solução elegante e matematicamente fundamentada para um dos desafios centrais na modelagem computacional de PAT: a definição precisa e fisicamente consistente dos operadores de forward e adjoint.