Evaluating Bresenham-based Binary versus Siddon-based Weighted Ray-Tracing Algorithms for Sparse-View 3D Reconstruction of Coronary Vasculature

Resumo Técnico: Avaliação de Algoritmos de Traçado de Raios Baseados em Bresenham (Binário) versus Siddon (Ponderado) para a Reconstrução 3D de Vasculatura Coronária de Visão Esparsa

Definição do Problema
A imagem de C-arm intervencionista é uma ferramenta padrão para guiar procedimentos cardíacos minimamente invasivos, oferecendo exposição reduzida à radiação em comparação com a tomografia computadorizada (TC) ao utilizar um número limitado de projeções. No entanto, reconstruir dados tridimensionais (3D) a partir dessas visões esparsas (tipicamente em torno de 9 projeções) apresenta um problema inverso severamente mal posto. Métodos analíticos padrão, como a Retroprojeção Filtrada (FBP), falham nessas condições devido ao subamostragem angular, resultando em artefatos de aliasing e estrias severos. Além disso, as condições clínicas de baixa dose introduzem altos níveis de ruído quântico de Poisson. O desafio central abordado neste trabalho é a imprecisão geométrica introduzida pela aproximação matemática do caminho do raio-X através de uma grade de voxels discretos. Especificamente, o estudo investiga se a escolha do projetor direto — binário (Bresenham) versus ponderado (Siddon) — limita fundamentalmente a capacidade de recuperar a morfologia vascular precisa, particularmente na presença de ruído e amostragem esparsa.

Metodologia
O estudo emprega um framework de validação de gêmeo digital utilizando três modelos coronários específicos de pacientes derivados do Vascular Model Repository. Esses modelos servem como verdade fundamental (ground truth) para uma simulação in silico do processo de imagem de C-arm.

1. Configuração da Simulação:

   • Geração de Dados: Malhas vasculares 3D de alta resolução são projetadas diretamente para gerar 9 projeções 2D esparsas abrangendo um arco de 180°.
   • Modelagem de Ruído: Para simular condições clínicas de baixa dose, ruído de Poisson é adicionado às projeções, correspondendo a uma intensidade incidente de $5 \times 10^3$ fótons por pixel.
   • Verdade Fundamental: Crucialmente, as projeções de verdade fundamental são geradas usando um modelo ponderado de alta fidelidade (Siddon) para evitar o "crime inverso" (testar um algoritmo com o mesmo modelo usado para gerar os dados).

2. Framework de Reconstrução:

   • Solver: A reconstrução utiliza a Técnica de Reconstrução Iterativa Simultânea (SIRT) combinada com a minimização de Variação Total (TV) para abordar a natureza mal posta do problema e suprimir o ruído.
   • Otimização: O problema é formulado como uma otimização convexa regularizada: $\hat{x} = \arg\min_{x \ge 0} (||Ax - b||^2 + \lambda R(x))$, onde $A$ é a matriz do sistema (projetor), $b$ são os dados de projeção e $R(x)$ é o termo de regularização TV.
   • Variáveis: A variável independente primária é a matriz do sistema $A$, implementada de duas maneiras distintas:
     • Abordagem Binária (Bresenham): Utiliza aritmética de inteiros para selecionar voxels com base na proximidade ao centro do raio. Os voxels recebem um peso de 1 se forem interceptados e 0 caso contrário, criando um efeito de "escada".
     • Abordagem Ponderada (Siddon): Calcula o comprimento geométrico exato do segmento do raio dentro de cada voxel. Os voxels recebem pesos fracionários contínuos baseados nesses comprimentos de interseção, fornecendo precisão sub-voxel.

3. Métricas de Avaliação:

   • Sobreposição Geométrica: Coeficiente de Similaridade de Dice (DSC) e Índice de Jaccard (IoU) calculados em máscaras vasculares binarizadas.
   • Preservação de Volume: Razão de Volume (VR) comparando o volume reconstruído com a verdade fundamental.
   • Fidelidade de Intensidade: Erro Quadrático Médio (RMSE) calculado em volumes de escala de cinza contínuos antes da binarização.

Principais Contribuições
A principal contribuição deste trabalho é o isolamento e a quantificação dos erros geométricos inerentes aos algoritmos de traçado de raios binários na reconstrução de visão esparsa. O estudo demonstra que:

• Limitação Fundamental dos Métodos Binários: O algoritmo de Bresenham introduz um erro de base irredutível. Ao tratar raios contínuos como cadeias volumosas de voxels, ele dilata artificialmente as fronteiras dos vasos. Essa dilatação morfológica não pode ser corrigida por regularização (TV) subsequente porque o erro está incorporado na própria matriz do sistema $A$.
• Necessidade de Projeção Ponderada: O algoritmo de Siddon, ao considerar os efeitos de volume parcial através de comprimentos de interseção exatos, atua como um filtro de anti-aliasing espacial intrínseco. Isso permite que o solver iterativo convirja para uma solução que preserva as verdadeiras fronteiras morfológicas da vasculatura.
• Interação com a Regularização: O estudo destaca que, embora a regularização TV seja eficaz na supressão de ruído, sua capacidade de preservar detalhes anatômicos finos é contingente à precisão do projetor direto subjacente.

Resultos
Avaliações quantitativas e visuais em três modelos coronários distintos sob condições de ruído de baixa dose simuladas produziram os seguintes resultados:

• Desempenho Binário (Bresenham):

  • Exibiu falha geométrica significativa, caracterizada por espessamento vascular artificial e inflação de volume.
  • Razão de Volume: VR médio de $1,95 \pm 0,47$ (quase dobrando o volume do vaso).
  • Sobreposição: Coeficiente de Dice médio de $0,61 \pm 0,05$ e índice de Jaccard de $0,44 \pm 0,05$.
  • Intensidade: Alto RMSE ($0,08 \pm 0,04$), indicando baixa recuperação dos valores de atenuação física.
  • Visuais: As reconstruções mostraram fusão de ramos adjacentes e fragmentação de vasos distais.

• Desempenção Ponderada (Siddon):

  • Demonstrou robustez ao ruído e superior fidelidade geométrica.
  • Razão de Volume: VR médio de $1,05 \pm 0,11$ (mínima superestimação).
  • Sobreposição: Coeficiente de Dice médio de $0,80 \pm 0,06$ e índice de Jaccard de $0,67 \pm 0,09$.
  • Intensidade: RMSE reduzido em mais de 50% para $0,03 \pm 0,03$.
  • Visuais: Preservou com sucesso a morfologia tubular e a conectividade de ramos distais, com supressão de ruído eficaz.

Significância e Alegações
O artigo afirma que a reconstrução 3D precisa da vasculatura coronária a partir de imagens de C-arm de visão esparsa e baixa dose é viável, mas estritamente contingente ao uso de algoritmos de retroprojeção adequados. Os autores afirmam que a precisão geométrica fundamental da matriz do sistema $A$ é um pré-requisito para qualquer reconstrução bem-sucedida, independentemente da sofisticação da regularização ou do solver utilizado.

Especificamente, o estudo argumenta que:

1. Aproximações binárias são insuficientes: Os artefatos de "escada" introduzidos por traçadores de raios binários levam a uma dilatação morfológica que torna os modelos reconstruídos inadequados para aplicações clínicas quantitativas (ex: estimativa de Reserva de Fluxo Fracionada), que são altamente sensíveis a desvios no raio do vaso.
2. Projeção ponderada é obrigatória para alta fidelidade: Para recuperar a conectividade de vasos distais e mitigar a dilatação volumétrica, o projetor direto deve utilizar modelagem sub-voxel precisa e ponderada (Siddon).
3. Implicações para IA: Os achados sugerem que modelos de aprendizado profundo treinados em dados sintéticos gerados com projetores binários grosseiros podem inerentemente aprender representações falhas da física de raios-X, codificando erros geométricos que persistem mesmo ao processar dados clínicos reais.

O estudo conclui que, embora o método ponderado melhore significamente a qualidade da reconstrução, ele não resolve completamente a reconstrução das menores estruturas vasculares, sendo necessário trabalho futuro para abordar artefatos de movimento e refinar ainda mais a regularização para estruturas tubulares finas.