SlingBAG: Sliding ball adaptive growth algorithm with differentiable radiation enables super-efficient iterative 3D photoacoustic image reconstruction

要約

まばらな視野または限られた視野の下で高品質の 3D 光音響イメージング (PAI) 再構成を行うことは、長い間課題でした。
従来の 3D 反復ベースの再構成手法は、速度が遅いこととメモリ消費量が多いという問題がありました。
最近、コンピュータ グラフィックスでは、特に 3D ガウス スプラッティングの台頭により、微分可能なレンダリングが大幅に進歩しました。
これらに触発されて、私たちは微分可能な放射線を PAI に導入し、新しい再構成アルゴリズムである 3D PAI 用の Sliding Ball Adaptive Growth アルゴリズム (SlingBAG) を開発しました。これは、非常にまばらな視野と限られた視野の両方で高品質の 3D PAI 再構成が可能であることを示します。
PAI で点群データセットを確立し、球面分解戦略に基づく独自の微分可能な急速ラジエーターと、まばらなセンサー データに従って適応的に最適化されたランダムに初期化された点群を使用しました。
各ポイントの 3D 座標、初期圧力、および解像度 (ボールの半径で示される) が更新されます。
ポイントは、位置の勾配に沿ったポイントの破壊、分割、複製などの反復プロセス中に適応的に成長し、スライディング ボール効果を示します。
最後に、点群からボクセル グリッドへのシェーダーが最終的な再構成結果をレンダリングします。
シミュレーションと生体内実験では、従来の逆投影アルゴリズムの結果の SNR が 20 dB 未満であるのに対し、非常にまばらなビューの下では SlingBAG 再構成結果の SNR が 40 dB を超える可能性があることが実証されています。
さらに、SlingBAG のグラウンド トゥルースとの構造的類似性の結果は、SSIM 値が 95.6% と大幅に高くなりました。
特に、当社の微分可能高速ラジエーターは、k-Wave などの波の伝播を数値的にシミュレートする現在の方法よりも大幅に高速に、均質な非粘性媒体で順方向 PA シミュレーションを実行できます。
データセットとすべてのコードはオープンソースになります。

要約(オリジナル)

High-quality 3D photoacoustic imaging (PAI) reconstruction under sparse view or limited view has long been challenging. Traditional 3D iterative-based reconstruction methods suffer from both slow speed and high memory consumption. Recently, in computer graphics, the differentiable rendering has made significant progress, particularly with the rise of 3D Gaussian Splatting. Inspired by these, we introduce differentiable radiation into PAI, developing a novel reconstruction algorithm: the Sliding Ball Adaptive Growth algorithm (SlingBAG) for 3D PAI, which shows ability in high-quality 3D PAI reconstruction both under extremely sparse view and limited view. We established the point cloud dataset in PAI, and used unique differentiable rapid radiator based on the spherical decomposition strategy and the randomly initialized point cloud adaptively optimized according to sparse sensor data. Each point undergoes updates in 3D coordinates, initial pressure, and resolution (denoted by the radius of ball). Points undergo adaptive growth during iterative process, including point destroying, splitting and duplicating along the gradient of their positions, manifesting the sliding ball effect. Finally, our point cloud to voxel grid shader renders the final reconstruction results. Simulation and in vivo experiments demonstrate that our SlingBAG reconstruction result’s SNR can be more than 40 dB under extremely sparse view, while the SNR of traditional back-projection algorithm’s result is less than 20 dB. Moreover, the result of SlingBAG’s structural similarity to the ground truth is significantly higher, with an SSIM value of 95.6%. Notably, our differentiable rapid radiator can conduct forward PA simulation in homogeneous, non-viscous media substantially faster than current methods that numerically simulate the wave propagation, such as k-Wave. The dataset and all code will be open source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google