High-Fidelity ROI CT Reconstruction with Limited Quantum Resources via Hybrid Classical-Quantum Refinement

Resumo Técnico: Reconstrução CT de Alta Fidelidade de Regiões de Interesse com Recursos Quânticos Limitados via Refinamento Híbrido Clássico-Quântico

Declaração do Problema
A otimização quântica para reconstrução de Tomografia Computadorizada (TC), especificamente quando formulada como um problema de Otimização Binária Quadrática sem Restrições (QUBO), enfrenta restrições significativas de escalabilidade. O número de variáveis binárias necessárias para representar uma imagem cresce rapidamente com a resolução, tornando a reconstrução quântica direta de imagens inteiras inviável para objetos grandes ou estruturalmente complexos sob as limitações atuais de hardware. Além disso, em cenários práticos como TC de ângulo limitado ou de vistas esparsas, métodos iterativos clássicos (por exemplo, SART) e métodos analíticos (por exemplo, FBP) frequentemente sofrem com artefatos e perda de detalhes locais finos, particularmente quando o problema inverso é mal-posto. O desafio reside em alcançar uma reconstrução de alta fidelidade em Regiões de Interesse (ROI) específicas — como lesões ou defeitos suspeitos — sem exigir que a imagem inteira seja processada por solucionadores quânticos intensivos em recursos.

Metodologia
Os autores propõem uma estrutura de refinamento híbrida de Região de Interesse (ROI) projetada para operar dentro de recursos quânticos limitados. O pipeline consiste em duas etapas distintas:

1. Reconstrução Global Grossa: Uma estimativa global da imagem é primeiro gerada usando um de três métodos: Reconstrução Tomográfica Quântica (QTR), Reconstrução Tomográfica de Sensoriamento Comprimido Quântico (QCSTR), Retroprojeção Filtrada (FBP) ou a Técnica de Reconstrução Algébrica Simultânea (SART).

   • Se QTR/QCSTR for usado nesta etapa, é realizado em uma grade de resolução reduzida para caber nos orçamentos de qubits, depois interpolado e suavizado.
   • Se FBP ou SART for usado, a reconstrução é realizada diretamente na resolução alvo.
   • Esta etapa produz uma estimativa global grossa ($I_{global}$) destinada a capturar a estrutura de fundo, em vez de servir como a solução final de alta fidelidade.

2. Projeção de Resíduo e Refinamento de ROI:

   • Os pixels da ROI na estimativa grossa são zerados para criar uma imagem apenas de fundo ($I_{global \setminus ROI}$).
   • Uma imagem de projeção de resíduo ($P_{res}$) é calculada subtraindo a projeção desta imagem de fundo dos dados de projeção experimental medidos ($P$).
   • Uma otimização QUBO de segunda etapa é formulada exclusivamente para a ROI. Os pixels da ROI são codificados usando uma representação discreta baseada na diferença do Coeficiente de Atenuação de Massa (MAC), onde os valores dos pixels são expressos como somas de variáveis binárias.
   • O objetivo é minimizar a diferença quadrada entre a imagem de projeção de resíduo e a projeção gerada pelas variáveis da ROI codificadas em binário.
   • Este problema QUBO é resolvido usando um solucionador híbrido D-Wave, e a ROI otimizada é inserida de volta na estimativa global grossa para produzir a reconstrução final.

Principais Contribuições

• Arquitetura Híbrida: O artigo introduz uma estratégia que reserva a otimização quântica estritamente para o refinamento local, utilizando métodos clássicos para estabilizar o fundo global. Esta abordagem desacopla a tarefa de modelagem global da tarefa de recuperação local de alta fidelidade.
• Formulação de Resíduo: Ao formular o problema quântico em torno da imagem de projeção de resíduo (a discrepância entre os dados medidos e o fundo grosso), o método reduz o tamanho efetivo do problema QUBO e concentra os recursos quânticos nos detalhes estruturais mais críticos.
• Análise Comparativa: O estudo compara sistematicamente pipelines totalmente quânticos (QTR+QTR) com pipelines híbridos (FBP+QTR e SART+QTR) através de tamanhos de imagem variados e complexidades estruturais sob configurações de ângulo reduzido (60 vistas).

Resultados Experimentais
Os experimentos foram conduzidos em três amostras sintéticas de fantoma: duas com resolução de 120×120 e uma com resolução de 180×180, todas com uma ROI de 60×60.

• Amostras de Tamanho Moderado (120×120): Tanto o pipeline totalmente quântico (QTR+QTR) quanto o pipeline híbrido SART+QTR alcançaram reconstrução precisa da ROI com baixo Erro Quadrático Médio (RMSE) e Erro Absoluto Médio (MAE).
• Amostra Complexa (180×180): À medida que a complexidade estrutural e o tamanho da imagem aumentaram, o pipeline totalmente quântico (QTR+QTR) teve dificuldades, produzindo artefatos em forma de manchas e falhando em recuperar detalhes finos (RMSE da ROI: 0,5367). Em contraste, o pipeline híbrido SART+QTR, que utilizou uma reconstrução clássica SART para a etapa grossa (mesmo usando amostragem mais densa de 180 vistas para a etapa grossa neste caso específico), alcançou uma reconstrução de ROI quase perfeita (RMSE da ROI: 0,0000).
• Qualidade da Etapa Grossa: Curiosamente, enquanto as imagens grossas FBP frequentemente exibiam métricas de erro não-ROI mais baixas do que o SART, o pipeline SART+QTR superou consistentemente o FBP+QTR na precisão final da ROI. Os autores atribuem isso à estabilidade estrutural e à natureza "assinada" da projeção de resíduo; o SART forneceu uma estimativa de fundo mais coerente que minimizou distorções no sinal de resíduo usado para a otimização QUBO, apesar de ter um erro médio não-ROI ligeiramente maior.

Significado e Alegações
O artigo afirma que a vantagem prática da reconstrução de TC assistida por quântica não reside em substituir todo o pipeline de reconstrução por métodos quânticos, mas em identificar etapas específicas onde a otimização quântica é mais eficaz. Os autores postulam que uma estratégia híbrida de tarefas separadas é superior: a reconstrução clássica deve ser usada para fornecer um fundo global confiável e estável, enquanto a otimização quântica é reservada para refinamento local direcionado.

O estudo sugere que, para imagens maiores e mais complexas, o fator crítico não é necessariamente reduzir as vistas de projeção em todas as etapas, mas sim garantir uma estimativa de fundo global estável antes de aplicar o refinamento quântico. Esta abordagem permite uma reconstrução localizada de alta fidelidade mesmo quando a imagem global é reconstruída sob limitações severas de dados, oferecendo um caminho viável para fluxos de trabalho de imagem focados em precisão onde apenas regiões diagnósticas específicas requerem ultra-alta fidelidade. O trabalho serve como uma prova de viabilidade para reconstrução localizada de alta fidelidade sob as restrições atuais de hardware quântico.