Stop Holding Your Breath: CT-Informed Gaussian Splatting for Dynamic Bronchoscopy

1. Declaração do Problema

O Desafio Central: A navegação broncoscópica depende do registro de vídeo endoscópico em tempo real com tomografias computadorizadas (TC) pré-operatórias. No entanto, o movimento respiratório causa deformações significativas das vias aéreas (5–20 mm), criando uma "divergência TC-corpo" que limita severamente a precisão de localização.
Limitações Atuais:

• Protocolos de apneia: Os clínicos atualmente solicitam que os pacientes prendam a respiração para corresponder à TC estática. Isso é difícil de reproduzir consistentemente, interrompe o fluxo de trabalho e aumenta o desconforto do paciente.
• Suposições estáticas: Os métodos existentes de registro vídeo-para-TC frequentemente assumem uma via aérea estática ou utilizam modelos rígidos, falhando em contabilizar o deslocamento global coerente da via aérea causado pela respiração.
• Ambiguidade: Na broncoscopia, o movimento da câmera e a deformação da via aérea são intrinsecamente acoplados, tornando difícil desvendar as mudanças de ponto de vista do movimento anatômico usando campos de deformação não restritos.
• Falta de Avaliação: Não existem conjuntos de dados com verdade fundamental densa para geometria, pose e fase respiratória para avaliar quantitativamente métodos de reconstrução deformável neste domínio.

2. Metodologia

Os autores propõem um framework que elimina a necessidade de apneia, aproveitando a modelagem respiratória específica do paciente derivada de pares de TCs de inspiração/expiration (padrão para planejamento).

A. Espaço de Deformação Informado por TC

Em vez de aprender campos de deformação por quadro não restritos, o método restringe a geometria da via aérea a um subespaço 1D definido pelas imagens do próprio paciente:

• Entrada: Pares de TCs de inspiração ($V_{insp}$) e expiração ($V_{exp}$).
• Campo de Deformação: Um campo de deslocamento fixo $\Delta = V_{exp} - V_{insp}$ é pré-calculado via registro deformável TC-para-TC.
• Parâmetro Escalar: O estado da via aérea em qualquer tempo $t$ é governado por um único parâmetro escalar de fase respiratória $\hat{\alpha}_t \in [0, 1]$, onde 0 é a inspiração total e 1 é a expiração total.
• Interpolação de Malha: Os vértices da malha são interpolados linearmente: $V(\hat{\alpha}_t) = V_{insp} + \hat{\alpha}_t \cdot \Delta$. Isso garante que todas as configurações reconstruídas residam em uma trajetória observada anatomicamente.

B. Gaussian Splatting Ancorado em Malha

A abordagem baseia-se no BridgeSplat, mas adapta-o para o regime broncoscópico:

• Representação: Gausianas 3D são ancoradas a um triângulo pai da malha da via aérea usando coordenadas baricêntricas aprendíveis.
• Benefícios da Ancoragem: À medida que a malha se deforma de acordo com $\hat{\alpha}_t$, as Gausianas herdam automaticamente o estiramento local, rotação e translação. Isso elimina a necessidade de parâmetros de deformação por Gausiana e previne a "deriva fora da superfície".
• Otimização: Um estimador leve infere a fase respiratória $\hat{\alpha}_t$ diretamente do vídeo RGB endoscópico.
• Função de Ativação: Uma parametrização baseada em cosseno com um vazamento de gradiente linear é usada para estimar $\hat{\alpha}_t$. Isso evita o desaparecimento do gradiente nos extremos (inspiração/expiração total), garantindo otimização estável durante todo o ciclo respiratório.

C. Estratégia de Treinamento

A otimização segue um cronograma de três fases para evitar que parâmetros de aparência absorvam erros geométricos:

1. Otimizar a fase respiratória ($\theta_t$) com a aparência congelada.
2. Otimizar a aparência com a fase congelada.
3. Otimização conjunta.
   A função de perda combina fidelidade fotométrica (L1 + SSIM) e regularização temporal, removendo a necessidade de termos complexos de regularização geométrica (como ARAP) exigidos por métodos não restritos.

3. Principais Contribuições

A. O Framework de Simulação RESPIRE

Para permitir avaliação quantitativa, os autores introduziram o RESPIRE (Respiratory Endoscopic Scenes with Paired Inspiration-expiration CTs for REconstruction):

• Fundamentado na Física: Gera vídeos sintéticos realistas de broncoscopia a partir de qualquer par de TCs de inspiração/expiração.
• Verdade Fundamental Densa: Fornece anotações por quadro para geometria, pose, fase respiratória e deformação.
• Realismo: Utiliza Renderização Baseada em Física (PBR) no Blender com espalhamento subsuperficial, reflexões especulares e iluminação variável para mimetizar a aparência clínica dos tecidos e o comportamento da câmera.
• Significado: Este é o primeiro framework a permitir a avaliação rigorosa da reconstrução broncoscópica consciente de deformação.

B. Gaussian Splatting Informado por TC

• Novidade: Primeira aplicação de Gaussian Splatting à broncoscopia dinâmica que modela explicitamente o movimento respiratório usando dados clínicos de TC.
• Eficiência: Substitui o aprendizado complexo e não restrito de deformação por um único parâmetro escalar, reduzindo drasticamente o custo computacional.
• Fluxo de Trabalho Clínico: Remove a necessidade de protocolos de apneia, permitindo navegação contínua durante a respiração normal.

4. Resultados Experimentais

Os experimentos foram conduzidos em 9 casos do conjunto de dados COPDGene usando o pipeline RESPIRE.

Métrica	Desempenho vs. Baselines (BridgeSplat)
Precisão de Profundidade	Redução do RMSE em 94% (de 53,8 mm para 3,2 mm).
Qualidade de Renderização	Melhoria de 32% no PSNR e 20% no SSIM sobre baselines não restritos.
Fase Respiratória	Alcançou MAE de 0,158 e Pearson $r$ de 0,833 na estimativa da fase respiratória apenas a partir do RGB.
Localização de Alvo	Alcançou erro de localização de alvo de 1,22 mm (RMSE de contorno: 1,24 mm). Isso está bem dentro da tolerância clínica de ~3 mm para direcionamento de biópsia.
Velocidade de Treinamento	Tempo de treinamento 22× mais rápido (17,4 min vs. 383,4 min) em comparação com o BridgeSplat não restrito.

Descoberta Chave: O método recupera com sucesso reconstruções geometricamente fiéis e fases respiratórias precisas sem apneia, superando baselines de TC única que falham em modelar a deformação.

5. Significado e Impacto

• Relevância Clínica: Ao alcançar precisão de localização dentro da tolerância clínica de 3 mm, este método resolve efetivamente o problema da "divergência TC-corpo" causado pela respiração. Isso poderia eliminar a necessidade de protocolos de apneia difíceis e desconfortáveis durante biópsias pulmonares.
• Integração no Fluxo de Trabalho: Como TCs pareadas de inspiração/expiração já são padrão para planejamento pré-operatório, o método requer apenas uma aquisição adicional modesta (a segunda fase) para permitir navegação de alta precisão.
• Avaliação Comparativa: A introdução do RESPIRE preenche uma lacuna crítica no campo, fornecendo o primeiro conjunto de dados com verdade fundamental densa para avaliar a reconstrução broncoscópica dinâmica.
• Generalização: A abordagem demonstra que restringir a reconstrução a um subespaço de baixa dimensão fisiologicamente válido (derivado de dados do paciente) é superior ao aprendizado de deformações não restritas em cenários com grandes deslocamentos de câmera e movimento global coerente.

Limitações e Trabalhos Futuros:

• Dependência de segmentação precisa das vias aéreas (pode exigir refinamento manual).
• O modelo de deformação linear atual não captura a dinâmica não linear pressão-volume em fases intermediárias.
• Assume pose de câmera conhecida; trabalhos futuros visam estimar conjuntamente pose e fase respiratória para navegação totalmente auto-supervisionada.