Рентгеновский снимок — это тень, которую отбрасывает тело: детектор регистрирует, сколько излучения прошло сквозь ткани. Каждая точка на снимке суммирует ослабление вдоль всего луча, поэтому информация о глубине безвозвратно теряется. Если сделать всего два снимка — под разными углами, — задача всё равно остаётся недоопределённой: существует бесконечно много трёхмерных распределений плотности, которые дадут одинаковые проекции. Классические методы решают эту проблему за счёт регуляризации и априорных предположений, но часто расплачиваются размытыми границами и артефактами.
Именно здесь на помощь приходит LiftXR — новый подход, который предлагает разложить сложную задачу на две более простые: определить, где в пространстве находятся анатомические структуры, и что они собой представляют по интенсивности. Вместо того чтобы искать единственное объёмное поле, метод сначала строит грубую геометрическую карту, а затем уточняет её с учётом рентгеновских данных.
Почему глубины не хватает
Для понимания проблемы стоит вспомнить физику: луч ослабевает пропорционально плотности тканей на своём пути. Итоговый сигнал — это интеграл, из которого нельзя восстановить подынтегральное выражение без дополнительных условий. Бипланарная съёмка добавляет второй под другим углом, но даже пара проекций не позволяет однозначно восстановить 3D-распределение. Математически задача относится к классу некорректно поставленных: малые ошибки на входе приводят к большим отклонениям в решении, а множество разных объёмов дают один и тот же набор проекций. Поэтому нужны дополнительные ограничения или подсказки.
Где и что: два вопроса реконструкции
Ключевая идея, заложенная в LiftXR, — разделить вопросы "где" и "что". Первый вопрос касается пространственного расположения органов: где находятся лёгкие, кости, мягкие ткани? Второй — какие значения ослабления им соответствуют, то есть насколько плотная та или иная область. Если решать обе задачи одновременно, они интерферируют, и алгоритм может смешать геометрические ошибки с ошибками интенсивности. Если же сначала построить анатомический "каркас" — грубую трёхмерную карту расположения структур, — у последующего восстановления интенсивностей появляется ориентир.
Как это устроено
Метод LiftXR строится на связке из трёх модулей. Первый — layout lifter — генерирует 3D-карту анатомии по паре рентгеновских снимков. Эта карта задаёт пространственные границы регионов, но не содержит точных значений интенсивности. Второй модуль — intensity renderer — берёт эту карту как условие и восстанавливает полноценный КТ-объём, заполняя каждый регион подходящими значениями ослабления. Третий модуль — anatomical parser — работает уже с готовым объёмом: он анализирует границы и интенсивностные сигналы, уточняет первоначальную layout и возвращает этот уточнённый вариант обратно, чтобы скорректировать процесс заполнения интенсивностей. Такая обратная связь позволяет геометрической информации и данным об интенсивности подстраиваться друг под друга.
Эксперименты и результаты
Авторы проверили метод на двух публичных датасетах. Сравнение с недавними подходами к реконструкции показывает, что LiftXR получает более точные КТ-изображения по стандартным метрикам. Но главное — реконструированные объёмы лучше подходят для последующей автоматической сегментации органов, то есть содержат меньше анатомических искажений. Это означает, что разделение геометрии и интенсивности даёт не просто красивые картинки, а реально улучшает клинически значимые задачи.
Заключение
Итак, LiftXR демонстрирует, что декомпозиция на пространственную структуру и интенсивность — перспективный путь для реконструкции по ограниченному числу проекций. Такой подход снижает неоднозначность и позволяет получать томограммы, пригодные для дальнейшего анализа. В планах авторов — опубликовать код, что должно упростить воспроизведение и дальнейшие эксперименты.
