Une radiographie est une ombre projetée par le corps : le détecteur enregistre la quantité de rayonnement qui a traversé les tissus. Chaque point de l'image additionne l'atténuation le long de l'ensemble du faisceau, de sorte que l'information sur la profondeur est irrémédiablement perdue. Si l'on ne prend que deux clichés — sous des angles différents —, le problème reste sous-déterminé : il existe une infinité de distributions tridimensionnelles de densité qui donneraient les mêmes projections. Les méthodes classiques résolvent ce problème grâce à la régularisation et à des hypothèses a priori, mais elles paient souvent le prix fort avec des contours flous et des artefacts.
C'est précisément là qu'intervient LiftXR — une nouvelle approche qui propose de décomposer le problème complexe en deux problèmes plus simples : déterminer où se trouvent les structures anatomiques dans l'espace, et ce qu'elles représentent en termes d'intensité. Au lieu de chercher un champ volumique unique, la méthode construit d'abord une carte géométrique grossière, puis l'affine en tenant compte des données radiographiques.
Pourquoi la profondeur manque
Pour comprendre le problème, il faut rappeler la physique : le faisceau s'atténue proportionnellement à la densité des tissus sur son trajet. Le signal final est une intégrale à partir de laquelle on ne peut pas reconstituer l'intégrande sans conditions supplémentaires. La radiographie biplanaire ajoute une seconde vue sous un autre angle, mais même une paire de projections ne permet pas de reconstruire sans ambiguïté la distribution 3D. Mathématiquement, le problème appartient à la classe des problèmes mal posés : de petites erreurs en entrée entraînent de grands écarts dans la solution, et de nombreux volumes différents donnent le même ensemble de projections. Des contraintes ou des indices supplémentaires sont donc nécessaires.
Où et quoi : deux questions de la reconstruction
L'idée clé intégrée dans LiftXR est de séparer les questions du « où » et du « quoi ». La première question concerne la localisation spatiale des organes : où se trouvent les poumons, les os, les tissus mous ? La seconde concerne les valeurs d'atténuation qui leur correspondent, c'est-à-dire la densité de chaque région. Si l'on résout les deux problèmes simultanément, ils interfèrent, et l'algorithme peut mélanger les erreurs géométriques avec les erreurs d'intensité. Si l'on construit d'abord une « ossature » anatomique — une carte tridimensionnelle grossière de l'emplacement des structures —, la reconstruction ultérieure des intensités dispose alors d'un repère.
Comment cela fonctionne
La méthode LiftXR repose sur un ensemble de trois modules. Le premier — layout lifter — génère une carte 3D de l'anatomie à partir d'une paire de radiographies. Cette carte définit les limites spatiales des régions, mais ne contient pas de valeurs d'intensité précises. Le deuxième module — intensity renderer — prend cette carte comme condition et reconstruit un volume CT complet, en remplissant chaque région avec des valeurs d'atténuation appropriées. Le troisième module — anatomical parser — travaille déjà sur le volume final : il analyse les contours et les signaux d'intensité, affine la layout initiale et renvoie cette version affinée pour corriger le processus de remplissage des intensités. Cette rétroaction permet aux informations géométriques et aux données d'intensité de s'ajuster mutuellement.
Expériences et résultats
Les auteurs ont testé la méthode sur deux ensembles de données publics. La comparaison avec les approches récentes de reconstruction montre que LiftXR obtient des images CT plus précises selon les métriques standard. Mais surtout, les volumes reconstruits sont mieux adaptés à la segmentation automatique ultérieure des organes, c'est-à-dire qu'ils contiennent moins de distorsions anatomiques. Cela signifie que la séparation de la géométrie et de l'intensité ne produit pas seulement de belles images, mais améliore réellement les tâches cliniquement significatives.
Conclusion
En résumé, LiftXR démontre que la décomposition en structure spatiale et intensité est une voie prometteuse pour la reconstruction à partir d'un nombre limité de projections. Cette approche réduit l'ambiguïté et permet d'obtenir des tomogrammes exploitables pour une analyse plus poussée. Les auteurs prévoient de publier le code, ce qui devrait faciliter la reproduction et les expériences futures.
