Gaussian splatting for sparse-view X-ray phase-contrast reconstruction in MHz tomoscopy

Resumo Técnico: Gaussian Splatting para Reconstrução de Contraste de Fase de Raios-X em Tomoscopia de Visão Esparsa em MHz

Enunciado do Problema
A tomoscopia em MHz permite a imagem de fenômenos dinâmicos rápidos (ex: ondas de choque, cavitação, dinâmica de fluidos biológicos) ao capturar projeções simultâneas de raios-X de múltiplos ângulos dentro de um único pulso de elétrons livres (XFEL). No entanto, esta abordagem enfrenta uma severa limitação de dados: o número de visões angulares é drasticamente restrito (tipicamente quatro nas implementações atuais de XFEL) em comparação com as centenas exigidas pela tomografia convencional. Isso torna o problema de reconstrução 3D altamente subdeterminado.

O desafio é agravado pela física de espécimes biológicos moles. Em energias de raios-X duros, o decremento do índice de refração ($\delta$) domina sobre o índice de absorção ($\beta$) por várias ordens de magnitude. Algoritmos de reconstrução baseados em atenuação padrão falham em produzir contraste neste regime dominado pela fase. Abordagens neurais de visão esparsa existentes, como o ONIX, operam exclusivamente no regime de absorção e não conseguem recuperar o $\delta$, enquanto métodos iterativos tradicionais baseados em voxels exigem amostragem angular densa. Há uma necessidade crítica de uma representação de cena que seja compacta, rápida, diferenciável e fisicamente fiel à física do contraste de fase.

Metodologia
Os autores adaptaram o 3D Gaussian Splatting (3DGS), originalmente desenvolvido para síntese de novos visores fotorrealistas, para o contraste de fase de raios-X. As modificações principais incluem:

1. Representação da Cena: Os primitivos padrão do 3DGS, que carregam coeficientes de harmônicos esféricos de cor e opacidade, foram substituídos por parâmetros físicos: o índice de absorção ($\beta$) e o decremento do índice de refração ($\delta$) do índice de refração complexo $n = 1 - \delta + i\beta$. Esses valores são restritos a serem não-negativos.
2. Geometria e Projeção: A projeção de perspectiva foi substituída pela geometria de feixe paralelo consistente com a tomoscopia em MHz. O compositagem padrão de alpha-blending RGB foi substituído por um modelo de acumulação de dois canais que integra $\beta$ e $\delta$ ao longo de cada raio.
3. Modelo de Propagação Diferenciável: Uma inovação crítica é a integração de um modelo de propagação de Fresnel diferenciável. Os mapas de transmissão acumulados são passados por este modelo para reproduzir os hologramas de difração de campo próximo registrados no detector, incluindo uma função de espalhamento de ponto (PSF) gaussiana para simular o borrão do detector. Isso torna todo o modelo de propagação diferenciável em relação a todos os parâmetros gaussianos, permitindo a otimização conjunta baseada em gradiente de geometria e propriedades de materiais a partir de medições apenas de intensidade, sem recuperação de fase explícita.
4. Pipeline de Treinamento: Devido à falta de grandes conjuntos de dados experimentais anotados de XFEL, os autores desenvolveram um pipeline de simulação baseado em física. Eles utilizaram simulações de dinâmica molecular (ESPResSo/PyOIF) para gerar geometrias de glóbulos vermelhos (RBC) de grão grosso, voxelizá-las e atribuir constantes ópticas de raios-X a 20 keV. Hologramas de contraste de fase sintéticos foram gerados usando raycasting acelerado por GPU e propagação de Fresnel.
5. Estratégia de Otimização: O treinamento utilizou uma função de perda composta combinando erro L1 por pixel, Similaridade Estrutural (SSIM), um termo de Correlação de Anel de Fourier (FRC) e regularização de Variação Total. Uma estratégia de acumulação de gradiente multi-visão foi empregada, avaliando a perda de múltiplas visões simultâneas por iteração para impor consistência geométrica entre os ângulos e podar os Gaussians inconsistentes.

Principais Resultados
O framework foi testado em hologramas de RBC simulados usando 12 projeções de treinamento e 4 visões de teste retidas.

• Desempenho: A melhor configuração (8.000 Gaussians iniciais, taxa de aprendizado de $2 \times 10^{-3}$, 4 visões simultâneas) alcançou um SSIM de 0,870 e uma métrica FRC (FRCM) de 0,096. A reconstrução foi completada em aproximadamente 15 minutos em uma única GPU NVIDIA A100.
• Análise de Métricas: O estudo destacou que o PSNR, um benchmark padrão para 3DGS, é um indicador enganoso para dados holográficos. Uma configuração com 244.000 Gaussians alcançou o maior PSNR (19,7 dB), mas o menor SSIM (0,449). Esta configuração convergiu para uma solução degenerada de "apenas absorção" que correspondia às intensidades de fundo, mas falhou em reproduzir as estruturas de franjas de Fresnel que codificam o sinal de fase. Inversamente, o SSIM e o FRCM identificaram corretamente as configurações que preservavam informações de fase de alta frequência.
• Dinâmica de Otimização: Contra-intuitivamente, aumentar a contagem inicial de Gaussians de 8k para 244k degradou a qualidade estrutural sob taxas de aprendizado padrão; o ajuste direcionado da taxa de aprendizado em uma inicialização enxuta de 8k superou um aumento de 30 vezes na contagem de primitivos, sugerindo que o gargalo reside na dinâmica de otimização, e não na capacidade de representação.
• Recuperação de Material: Os campos de material aprendidos foram qualitativamente corretos, com mapas de projeção de fase ($\delta$) dominantes e mapas de absorção ($\beta$) permanecendo próximos de zero, consistentes com a física de tecidos moles. No entanto, as razões quantitativas $\delta/\beta$ por Gaussian foram menores do que os valores teóricos da hemoglobina, refletindo a inerente natureza mal-posta da recuperação de fase a partir de medições de intensidade apenas.

Significância e Alegações
O artigo estabelece o Gaussian Splatting 3D como uma representação compacta, eficaz e diferenciável para a reconstrução de contraste de fase de raios-X de visão esparsa. Os autores afirmam que a descrição de cena baseada em partículas aborda inerentemente as restrições de volume de dados da tomoscopia em MHz. Além disso, o modelo de propagação baseado em física e diferenciável permite a reconstrução quase online, com a otimização convergindo em escalas de tempo compatíveis com as restrições de tempo de feixe (beamtime).

O trabalho demonstra que, para dados holográficos ou interferométricos, métricas padrão como PSNR podem ser enganosas, sendo as métricas estruturais (SSIM, FRCM) essenciais para avaliar a recuperação da informação de fase. Os autores identificam como próximas prioridades imediatas a extensão do método para múltiplos passos de tempo de dinâmica molecular para reconstrução 4D e a validação da abordagem contra projeções reais de XFEL em uma configuração experimental de quatro visões simultâneas.