要約
現代のX線源が提供する前例のないX線束密度は、高速で動的なプロセスのX線イメージングに新たな時空間的可能性を提供する。このような可能性を利用するアプローチでは、多くの場合、i)時間分解トモグラフィのようにスキャン速度が限られているため、投影数や空間情報が限られている、またはii)ストロボスコピックイメージングのように時間点が限られているため、再構成問題が非ポーズ型となり、古典的な再構成アプローチでは解けそうにない。このようなデータからの4次元再構成には、ディープラーニング（DL）により組み込むことができるサンプルプライヤが必要です。X線画像のための最先端の4D再構成法は、AIの力とX線伝搬の物理学を組み合わせて、スパースビューの課題に取り組む。しかし、ほとんどのアプローチは、研究プロセスの物理、すなわち完全な物理モデルを制約していない。本論文では、スパースビューからの4次元X線画像再構成のために、完全な物理モデルと最先端のDLベースの再構成法を組み合わせた新しい物理情報付き4次元X線画像再構成法である、4次元物理情報付き最適化ニューラルインプリシットX線画像再構成法（4D-PIONIX）を紹介する。我々は、流体力学に関連するプロセスである二液滴衝突のシミュレーションの超スパースな時空間画像から4次元情報を取得することにより、我々のアプローチの可能性を実証し、評価する。この研究は、時分割X線トモグラフィや、X線マルチプロジェクションイメージングのような、より新しいスパース画像取得アプローチのような、様々な4次元X線イメージングモダリティの新しい時空間的可能性を開くものであり、流体力学や複合材料試験のような様々な高速4次元ダイナミクスの調査への道を開くものである。
要約(オリジナル)
The unprecedented X-ray flux density provided by modern X-ray sources offers new spatiotemporal possibilities for X-ray imaging of fast dynamic processes. Approaches to exploit such possibilities often result in either i) a limited number of projections or spatial information due to limited scanning speed, as in time-resolved tomography, or ii) a limited number of time points, as in stroboscopic imaging, making the reconstruction problem ill-posed and unlikely to be solved by classical reconstruction approaches. 4D reconstruction from such data requires sample priors, which can be included via deep learning (DL). State-of-the-art 4D reconstruction methods for X-ray imaging combine the power of AI and the physics of X-ray propagation to tackle the challenge of sparse views. However, most approaches do not constrain the physics of the studied process, i.e., a full physical model. Here we present 4D physics-informed optimized neural implicit X-ray imaging (4D-PIONIX), a novel physics-informed 4D X-ray image reconstruction method combining the full physical model and a state-of-the-art DL-based reconstruction method for 4D X-ray imaging from sparse views. We demonstrate and evaluate the potential of our approach by retrieving 4D information from ultra-sparse spatiotemporal acquisitions of simulated binary droplet collisions, a relevant fluid dynamic process. We envision that this work will open new spatiotemporal possibilities for various 4D X-ray imaging modalities, such as time-resolved X-ray tomography and more novel sparse acquisition approaches like X-ray multi-projection imaging, which will pave the way for investigations of various rapid 4D dynamics, such as fluid dynamics and composite testing.
arxiv情報
| 著者 | Zisheng Yao,Yuhe Zhang,Zhe Hu,Robert Klöfkorn,Tobias Ritschel,Pablo Villanueva-Perez |
| 発行日 | 2025-04-04 14:18:51+00:00 |
| arxivサイト | arxiv_id(pdf) |