Una radiografía es una sombra que proyecta el cuerpo: el detector registra cuánta radiación atraviesa los tejidos. Cada punto de la imagen suma la atenuación a lo largo de todo el haz, por lo que la información sobre la profundidad se pierde irremediablemente. Si se toman solo dos imágenes —desde ángulos diferentes—, el problema sigue estando mal planteado: existen infinitas distribuciones tridimensionales de densidad que producen las mismas proyecciones. Los métodos clásicos resuelven este problema mediante regularización y suposiciones a priori, pero a menudo pagan el precio con bordes borrosos y artefactos.
Es aquí donde entra en juego LiftXR, un nuevo enfoque que propone descomponer el problema complejo en dos más simples: determinar dónde se encuentran las estructuras anatómicas en el espacio y qué son en términos de intensidad. En lugar de buscar un único campo volumétrico, el método primero construye un mapa geométrico aproximado y luego lo refina teniendo en cuenta los datos radiográficos.
Por qué no basta con la profundidad
Para entender el problema, conviene recordar la física: el haz se atenúa proporcionalmente a la densidad de los tejidos en su recorrido. La señal final es una integral de la que no se puede recuperar el integrando sin condiciones adicionales. La adquisición biplanar añade una segunda imagen desde otro ángulo, pero incluso un par de proyecciones no permite reconstruir de forma inequívoca la distribución 3D. Matemáticamente, el problema pertenece a la clase de los problemas mal planteados: pequeños errores en la entrada provocan grandes desviaciones en la solución, y muchos volúmenes diferentes producen el mismo conjunto de proyecciones. Por lo tanto, se necesitan restricciones o pistas adicionales.
Dónde y qué: dos preguntas de la reconstrucción
La idea clave de LiftXR es separar las preguntas "dónde" y "qué". La primera se refiere a la ubicación espacial de los órganos: ¿dónde están los pulmones, los huesos, los tejidos blandos? La segunda, a qué valores de atenuación les corresponden, es decir, cuán densa es cada región. Si se resuelven ambas tareas simultáneamente, interfieren entre sí y el algoritmo puede mezclar errores geométricos con errores de intensidad. Si primero se construye un "esqueleto" anatómico —un mapa tridimensional aproximado de la ubicación de las estructuras—, la posterior recuperación de intensidades tiene un punto de referencia.
Cómo funciona
El método LiftXR se basa en un conjunto de tres módulos. El primero —layout lifter— genera un mapa 3D de la anatomía a partir de un par de radiografías. Este mapa define los límites espaciales de las regiones, pero no contiene valores de intensidad precisos. El segundo módulo —intensity renderer— toma este mapa como condición y reconstruye un volumen de TC completo, rellenando cada región con los valores de atenuación adecuados. El tercer módulo —anatomical parser— trabaja ya con el volumen generado: analiza los límites y las señales de intensidad, refina el layout inicial y devuelve esta versión refinada para corregir el proceso de relleno de intensidades. Esta retroalimentación permite que la información geométrica y los datos de intensidad se ajusten mutuamente.
Experimentos y resultados
Los autores probaron el método en dos conjuntos de datos públicos. La comparación con enfoques recientes de reconstrucción muestra que LiftXR obtiene imágenes de TC más precisas según las métricas estándar. Pero lo más importante es que los volúmenes reconstruidos son más adecuados para la segmentación automática posterior de órganos, es decir, contienen menos distorsiones anatómicas. Esto significa que separar geometría e intensidad no solo produce imágenes bonitas, sino que realmente mejora tareas clínicamente relevantes.
Conclusión
En resumen, LiftXR demuestra que la descomposición en estructura espacial e intensidad es un camino prometedor para la reconstrucción a partir de un número limitado de proyecciones. Este enfoque reduce la ambigüedad y permite obtener tomogramas aptos para análisis posteriores. Los autores tienen previsto publicar el código, lo que debería facilitar la reproducción y futuros experimentos.
